Increasing serum iron levels and their role in the risk of infectious diseases: a Mendelian randomization approach
Notice bibliographique
Résumé
OBJECTIVES: Increased iron stores have been associated with elevated risks of different infectious diseases, suggesting that iron supplementation may increase the risk of infections. However, these associations may be biased by confounding or reverse causation. This is important, since up to 19% of the population takes iron supplementation. We used Mendelian randomization (MR) to bypass these biases and estimate the causal effect of iron on infections. METHODS: As instrumental variables, we used genetic variants associated with iron biomarkers in two genome-wide association studies (GWASs) of European ancestry participants. For outcomes, we used GWAS results from the UK Biobank, FinnGen, the COVID-19 Host Genetics Initiative or 23andMe, for seven infection phenotypes: 'any infections', combined, COVID-19 hospitalization, candidiasis, pneumonia, sepsis, skin and soft tissue infection (SSTI) and urinary tract infection (UTI). RESULTS: Most of our analyses showed increasing iron (measured by its biomarkers) was associated with only modest changes in the odds of infectious outcomes, with all 95% odds ratios confidence intervals within the 0.88 to 1.26 range. However, for the three predominantly bacterial infections (sepsis, SSTI, UTI), at least one analysis showed a nominally elevated risk with increased iron stores (P <0.05). CONCLUSION: Using MR, we did not observe an increase in risk of most infectious diseases with increases in iron stores. However for bacterial infections, higher iron stores may increase odds of infections. Hence, using genetic variation in iron pathways as a proxy for iron supplementation, iron supplements are likely safe on a population level, but we should continue the current practice of conservative iron supplementation during bacterial infections or in those at high risk of developing them.
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 | 0,057 | 0,085 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,002 | 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 ».