Genetic Polymorphisms and Kidney Stones Around the Globe: A Systematic Review and Meta-Analysis
Notice bibliographique
Résumé
Objective: This study explores associations between recurrent kidney stones and genetic polymorphisms. Methods: Meta-analysis of polymorphisms in renal stone cases versus control groups. Four electronic databases (PubMed, SCOPUS, EMBASE, and Web of Science) were searched up to 30 May 2021, using the keywords: “kidney stone” or “kidney calculi,” or “urolithiasis” or “nephrolithiasis” or “urinary calculi” and “genome” or “genetic” or “mutation” or “single nucleotide polymorphism.” Forrest plots, ORs, 95% CI, Chi-square (χ2)-test, and index of heterogeneity (I2) were calculated. Only studies with Newcastle–Ottawa scale (NOS) ≥ 6 were included for quality control, and Funnel, Begg’s, and Eager’s plots assessed publication bias. PROSPERO: CRD42022250427. Results: Among 7,671 searched articles, 72 were included. Polymorphisms in VDR (OR: 1.20; 95% CI: 1.06–1.36), CASR (OR = 1.24; 95% CI: 1.01–1.52), Osteopontin (OR = 1.38; 95% CI: 1.09–1.74), and Urokinase genes (OR = 1.52; 95% CI: 1.02–2.28) showed a significant association with risk of urinary stone formation, while Klotho gene showed a protective effect (OR = 0.75; 95% CI: 0.57–0.99). The VDR gene polymorphism was frequent in Asians, whereas CASR polymorphism was frequent in European and North American populations. Conclusion: Multifactorial nature of the stone formation, emphasizing the role of environmental factors, might explain contradictory results in the literature. While polymorphisms in VDR, CASR, Osteopontin, and Urokinase genes were associated with urinary stone formation, the Klotho gene showed a protective effect.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,009 | 0,002 |
| 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) | 0,000 | 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 ».