Development of risk prediction models for depression combining genetic and early life risk factors
Notice bibliographique
Résumé
Background: Both genetic and early life risk factors play important roles in the pathogenesis and progression of adult depression. However, the interplay between these risk factors and their added value to risk prediction models have not been fully elucidated. Methods: = 278,730 European ancestry individuals), we tested whether the polygenic risk score and early life risk factors were associated with each other and compared their associations with depression phenotypes. Finally, we conducted joint predictive modeling to combine this polygenic risk score with early life risk factors by stepwise regression, and assessed the model performance in identifying individuals at high risk of depression. Results: In the UK Biobank test dataset, the polygenic risk score for depression was moderately associated with multiple early life risk factors. For instance, a one standard deviation increase in the polygenic risk score was associated with 1.16-fold increased odds of frequent domestic violence (95% CI: 1.14-1.19) and 1.09-fold increased odds of not having access to medical care as a child (95% CI: 1.05-1.14). However, the polygenic risk score was more strongly associated with depression phenotypes than most early life risk factors. A joint predictive model integrating the polygenic risk score, early life risk factors, age and sex achieved an AUROC of 0.6766 for predicting strictly defined major depressive disorder, while a model without the polygenic risk score and a model without any early life risk factors had an AUROC of 0.6593 and 0.6318, respectively. Conclusion: We have developed a polygenic risk score to partly capture the genetic liability to depression. Although genetic and early life risk factors can be correlated, joint predictive models improved risk stratification despite limited improvement in magnitude, and may be explored as tools to better identify individuals at high risk of depression.
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 | 0,008 | 0,015 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,003 |
| Bibliométrie | 0,003 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
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 ».