Genome-wide and phenome-wide analysis of ideal cardiovascular health in the VA Million Veteran Program
Notice bibliographique
Résumé
BACKGROUND: Genetic studies may help identify causal pathways; therefore, we sought to identify genetic determinants of ideal CVH and their association with CVD outcomes in the multi-population Veteran Administration Million Veteran Program. METHODS: An ideal health score (IHS) was calculated from 3 clinical factors (blood pressure, total cholesterol, and blood glucose levels) and 3 behavioral factors (smoking status, physical activity, and BMI), ascertained at baseline. Multi-population genome-wide association study (GWAS) was performed on IHS and binary ideal health using linear and logistic regression, respectively. Using the genome-wide significant SNPs from the IHS GWAS, we created a weighted IHS polygenic risk score (PRSIHS) which was used (i) to conduct a phenome-wide association study (PheWAS) of associations between PRSIHS and ICD-9 phenotypes and (ii) to further test for associations with mortality and selected CVD outcomes using logistic and Cox regression and, as an instrumental variable, in Mendelian Randomization. RESULTS: The discovery and replication cohorts consisted of 142,404 (119,129 European American (EUR); 16,495 African American (AFR)), and 45,766 (37,646 EUR; 5,366 AFR) participants, respectively. The mean age was 65.8 years (SD = 11.2) and 92.7% were male. Overall, 4.2% exhibited ideal CVH based on the clinical and behavioral factors. In the multi-population meta-analysis, variants at 17 loci were associated with IHS and each had known GWAS associations with multiple components of the IHS. PheWAS analysis in 456,026 participants showed that increased PRSIHS was associated with a lower odds ratio for many CVD outcomes and risk factors. Both IHS and PRSIHS measures of ideal CVH were associated with significantly less CVD outcomes and CVD mortality. CONCLUSION: A set of high interest genetic variants contribute to the presence of ideal CVH in a multi-ethnic cohort of US Veterans. Genetically influenced ideal CVH is associated with lower odds of CVD outcomes and mortality.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».