Genetically predicted high IGF-1 levels showed protective effects on COVID-19 susceptibility and hospitalization: a Mendelian randomisation study with data from 60 studies across 25 countries
Notice bibliographique
Résumé
Background: Epidemiological studies observed gender differences in COVID-19 outcomes, however, whether sex hormone plays a causal in COVID-19 risk remains unclear. This study aimed to examine associations of sex hormone, sex hormones-binding globulin (SHBG), insulin-like growth factor-1 (IGF-1), and COVID-19 risk. Methods: Two-sample Mendelian randomization (TSMR) study was performed to explore the causal associations between testosterone, estrogen, SHBG, IGF-1, and the risk of COVID-19 (susceptibility, hospitalization, and severity) using genome-wide association study (GWAS) summary level data from the COVID-19 Host Genetics Initiative (N=1,348,701). Random-effects inverse variance weighted (IVW) MR approach was used as the primary MR method and the weighted median, MR-Egger, and MR Pleiotropy RESidual Sum and Outlier (MR-PRESSO) test were conducted as sensitivity analyses. Results: Higher genetically predicted IGF-1 levels have nominally significant association with reduced risk of COVID-19 susceptibility and hospitalization. For one standard deviation increase in genetically predicted IGF-1 levels, the odds ratio was 0.77 (95% confidence interval [CI], 0.61-0.97, p=0.027) for COVID-19 susceptibility, 0.62 (95% CI: 0.25-0.51, p=0.018) for COVID-19 hospitalization, and 0.85 (95% CI: 0.52-1.38, p=0.513) for COVID-19 severity. There was no evidence that testosterone, estrogen, and SHBG are associated with the risk of COVID-19 susceptibility, hospitalization, and severity in either overall or sex-stratified TSMR analysis. Conclusions: Our study indicated that genetically predicted high IGF-1 levels were associated with decrease the risk of COVID-19 susceptibility and hospitalization, but these associations did not survive the Bonferroni correction of multiple testing. Further studies are needed to validate the findings and explore whether IGF-1 could be a potential intervention target to reduce COVID-19 risk. Funding: We acknowledge support from NSFC (LR22H260001), CRUK (C31250/A22804), SHLF (Hjärt-Lungfonden, 20210351), VR (Vetenskapsrådet, 2019-00977), and SCI (Cancerfonden).
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 | 0,023 | 0,049 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,004 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».