← Retour à la cohorte
Insights From a Large-Scale Whole-Genome Sequencing Study of Systolic Blood Pressure, Diastolic Blood Pressure, and Hypertension
Tanika N. Kelly, Xiao Sun, Karen He, Michael R. Brown, Sarah A. Gagliano Taliun, Jacklyn N. Hellwege, Marguerite R. Irvin, Xuenan Mi, Jennifer A. Brody, Xiuqing Guo, Shih‐Jen Hwang, Paul S. de Vries, Yan Gao, Arden Moscati, Girish N. Nadkarni, Lisa R. Yanek, Tali Elfassy, Jennifer A. Smith, Ren‐Hua Chung, Amber L. Beitelshees, Amit Patki, Stella Aslibekyan, Brandon M. Blobner, Juan M. Peralta, Themistocles L. Assimes, Walter R. Palmas, Chunyu Liu, Adam P. Bress, Zhijie Huang, Lewis C. Becker, Chii-Min Hwa, Jeffrey R. O’Connell, Jenna C. Carlson, Helen R. Warren, Sayantan Das, Ayush Giri, Lisa W. Martin, W. Craig Johnson, Ervin R. Fox, Erwin P. Böttinger, Alexander C. Razavi, Dhananjay Vaidya, Lee‐Ming Chuang, Yen-Pei C. Chang, Take Naseri, Deepti Jain, Hyun Min Kang, Adriana M. Hung, Vinodh Srinivasasainagendra, Beverly M. Snively, Dongfeng Gu, May E. Montasser, Muagututi‘a Sefuiva Reupena, Ben Heavner, Jonathon LeFaive, James E. Hixson, Kenneth Rice, Fei Fei Wang, Jonas B. Nielsen, Jianfeng Huang, Alyna Khan, Wei Zhou, Jovia L. Nierenberg, Cathy C. Laurie, Nicole D. Armstrong, Mengyao Shi, Yang Pan, Adrienne M. Stilp, Leslie S. Emery, Quenna Wong, Nicola L. Hawley, Ryan L. Minster, Joanne E. Curran, Patricia B. Munroe, Daniel E. Weeks, Kari E. North, Russell P. Tracy, Eimear E. Kenny, Daichi Shimbo, Aravinda Chakravarti, Stephen S. Rich, Alex P. Reiner, John Blangero, Susan Redline, Braxton D. Mitchell, D. C. Rao, Yii‐Der Ida Chen, Sharon L.R. Kardia, Robert C. Kaplan, Rasika A. Mathias, Jiang He, Bruce M. Psaty, Myriam Fornage, Ruth J. F. Loos, Adolfo Correa, Eric Boerwinkle, Jerome I. Rotter, Charles Kooperberg, Todd L. Edwards, Gonçalo R. Abecasis, Xiaofeng Zhu, Daniel Levy, Donna K. Arnett, Alanna C. Morrison
Notice bibliographique
RevueHypertension · 2022
Typereview
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueGenetic Associations and Epidemiology
Établissements canadiensMcMaster University
Organismes subventionnairesEunice Kennedy Shriver National Institute of Child Health and Human DevelopmentNational Center for Advancing Translational SciencesNational Human Genome Research InstituteNational Institute of Diabetes and Digestive and Kidney DiseasesNational Heart, Lung, and Blood InstituteNational Institute on Minority Health and Health DisparitiesNational Center for Research ResourcesNational Institute of Neurological Disorders and StrokeNational Institute of General Medical SciencesMedical Research CouncilNational Institute on AgingNational Cancer InstituteNational Institutes of HealthU.S. Department of Veterans Affairs
Mots-clésBlood pressureInternal medicineBiobankMedicineExome sequencing1000 Genomes ProjectGeneticsBiologyCardiologySingle-nucleotide polymorphismGeneGenotypeMutation
Résumé
OpenAlex consigne un résumé pour ce travail, mais il n'a pas pu être récupéré à l'instant.
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.
score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,954
Score d'incertitude au seuil1,000
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,000 |
| 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.
Tête enseignante Opus0,043
Tête enseignante GPT0,265
Écart entre enseignants0,222 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validation
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.
Devis d'étudeSans objet
Domainenon disponible
GenreSynthèse
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».
En bref
Citations29
Publié2022
Routes d'admission1
Résumé présentoui