The combined effect of lifestyle factors and polygenic scores on age at onset in Parkinson’s disease
Notice bibliographique
Résumé
Abstract Objective To investigate the association between a Parkinson’s disease (PD)-specific polygenic score (PGS) and protective lifestyle factors on age at onset (AAO) in PD. Methods We included data from 4375 patients with idiopathic PD, 167 patients with GBA1 -PD, and 3091 healthy controls of European ancestry from AMP-PD, PPMI, and Fox Insight cohorts. The PGS was calculated based on a previously proposed composition of 1805 variants. The association between PGS and lifestyle factors (i.e., coffee, tobacco, and aspirin) on AAO was assessed with linear and Cox proportional hazards models. Results The PGS showed a negative association with AAO (β=-1.07, p=6x10 -7 ). The use of one, two, or three of the protective lifestyle factors showed a reduction in the hazard ratio by 21% (p=0.0001), 45% (p<2x10 -16 ), and 55% (p<2x10 -16 ), respectively, compared to no use. An additive effect of aspirin (β=7.61, p=8x10 -7 ) and PGS (β=-1.63, p=0.0112) was found for AAO without an interaction (p=0.9789) in the linear regressions, and similar effects were seen for tobacco. Aspirin is shown to be a better predictor of AAO (R 2 =0.1740) compared to coffee and tobacco use (R 2 =0.0243, R 2 =0.0295) or the PGS (R 2 =0.0141). In contrast, no association between aspirin and AAO was found in GBA1 -PD (p>0.05). Interpretation In our cohort, coffee, tobacco, aspirin, and PGS are independent predictors of PD AAO. Additionally, lifestyle factors seem to have a greater influence on AAO than common genetic risk variants with aspirin presenting the largest effect. External validation of our findings is needed.
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 | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».