Genetic and clinical factors underlying a self-reported family history of heart disease
Notice bibliographique
Résumé
AIMS: To estimate how much information conveyed by self-reported family history of heart disease (FHHD) is already explained by clinical and genetic risk factors. METHODS AND RESULTS: Cross-sectional analysis of UK Biobank participants without pre-existing coronary artery disease using a multivariable model with self-reported FHHD as the outcome. Clinical (diabetes, hypertension, smoking, apolipoprotein B-to-apolipoprotein AI ratio, waist-to-hip ratio, high sensitivity C-reactive protein, lipoprotein(a), triglycerides) and genetic risk factors (polygenic risk score for coronary artery disease [PRSCAD], heterozygous familial hypercholesterolemia [HeFH]) were exposures. Models were adjusted for age, sex, and cholesterol-lowering medication use. Multiple logistic regression models were fitted to associate FHHD with risk factors, with continuous variables treated as quintiles. Population attributable risks (PAR) were subsequently calculated from the resultant odds ratios. Among 166 714 individuals, 72 052 (43.2%) participants reported an FHHD. In a multivariable model, genetic risk factors PRSCAD (OR 1.30, CI 1.27-1.33) and HeFH (OR 1.31, 1.11-1.54) were most strongly associated with FHHD. Clinical risk factors followed: hypertension (OR 1.18, CI 1.15-1.21), lipoprotein(a) (OR 1.17, CI 1.14-1.20), apolipoprotein B-to-apolipoprotein AI ratio (OR 1.13, 95% CI 1.10-1.16), and triglycerides (OR 1.07, CI 1.04-1.10). For the PAR analyses: 21.9% (CI 18.19-25.63) of the risk of reporting an FHHD is attributed to clinical factors, 22.2% (CI% 20.44-23.88) is attributed to genetic factors, and 36.0% (CI 33.31-38.68) is attributed to genetic and clinical factors combined. CONCLUSIONS: A combined model of clinical and genetic risk factors explains only 36% of the likelihood of FHHD, implying additional value in the family history.
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 | 0,002 | 0,001 |
| 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 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 ».