The role of environmental exposures and gene–environment interactions in the etiology of systemic lupus erythematous
Notice bibliographique
Résumé
Systemic lupus erythematosus (SLE) is a complex, chronic autoimmune disease, whose etiology includes both genetic and environmental factors. Individual genetic risk factors likely only account for about one-third of observed heritability among individuals with a family history of SLE. A large portion of the remaining risk may be attributable to environmental exposures and gene-environment interactions. This review focuses on SLE risk associated with environmental factors, ranging from chemical and physical environmental exposures to lifestyle behaviors, with the weight of evidence supporting positive associations between SLE and occupational exposure to crystalline silica, current smoking, and exogenous estrogens (e.g., oral contraceptives and postmenopausal hormones). Other risk factors may include lifestyle behaviors (e.g., dietary intake and sleep) and other exposures (e.g., ultraviolet [UV] radiation, air pollution, solvents, pesticides, vaccines and medications, and infections). Alcohol use may be associated with decreased SLE risk. We also describe the more limited body of knowledge on gene-environment interactions and SLE risk, including IL-10, ESR1, IL-33, ITGAM, and NAT2 and observed interactions with smoking, UV exposure, and alcohol. Understanding genetic and environmental risk factors for SLE, and how they may interact, can help to elucidate SLE pathogenesis and its clinical heterogeneity. Ultimately, this knowledge may facilitate the development of preventive interventions that address modifiable risk factors in susceptible individuals and vulnerable populations.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».