The Effect of Blood Lipids, Type 2 Diabetes, and Body Mass Index on Parkinson’s Disease: A Korean Mendelian Randomization Study
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
OBJECTIVE: Associations between various metabolic conditions and Parkinson's disease (PD) have been previously identified in epidemiological studies. We aimed to investigate the causal effect of lipid levels, type 2 diabetes mellitus (T2DM), and body mass index (BMI) on PD in a Korean population via Mendelian randomization (MR). METHODS: Two-sample MR analyses were performed with inverse-variance weighted (IVW), weighted median, and MR-Egger regression approaches. We identified genetic variants associated with lipid concentrations, T2DM, and BMI in publicly available summary statistics, which were either collected from genome-wide association studies (GWASs) or from meta-analyses of GWAS that targeted only Korean individuals or East Asian individuals, including Korean individuals. The outcome dataset was a GWAS on PD performed in a Korean population. RESULTS: From previous GWASs and meta-analyses, we selected single nucleotide polymorphisms as the instrumental variables. Variants associated with serum levels of low-density lipoprotein cholesterol, high-density lipoprotein cholesterol, and triglycerides, as well as with T2DM and BMI, were selected (n = 11, 19, 17, 89, and 9, respectively). There were no statistically significant causal associations observed between the five exposures and PD using either the IVW, weighted median, or MR-Egger methods (p-values of the IVW method: 0.332, 0.610, 0.634, 0.275, and 0.860, respectively). CONCLUSION: This study does not support a clinically relevant causal effect of lipid levels, T2DM, and BMI on PD risk in a Korean population.
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.
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) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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 | 0,000 |
| 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 découle