Genetic influence on scar vascularity after burn injury in individuals of European ancestry: A prospective cohort study
Notice bibliographique
Résumé
After burn injury there is considerable variation in scar outcome, partially due to genetic factors. Scar vascularity is one characteristic that varies between individuals, and this study aimed to identify genetic variants contributing to different scar vascularity outcomes. An exome-wide array association study and gene pathway analysis was performed on a prospective cohort of 665 patients of European ancestry treated for burn injury, using their scar vascularity (SV) sub-score, part of the modified Vancouver Scar Scale (mVSS), as an outcome measure. DNA was genotyped using the Infinium HumanCoreExome-24 BeadChip, imputed to the Haplotype Reference Consortium panel. Associations between genetic variants (single nucleotide polymorphisms) and SV were estimated using an additive genetic model adjusting for sex, age, % total body surface area and number of surgical procedures, utilising linear and multinomial logistic regression. No individual genetic variants achieved the cut-off threshold for significance. Gene sets were also analysed using the Functional Mapping and Annotation (FUMA) platform, in which biological processes indirectly related to angiogenesis were significantly represented. This study suggests that SNPs in genes associated with angiogenesis may influence SV, but further studies with larger datasets are essential to validate these findings. • 665 burn patients genotyped and imputed for an association study. • Associations made between gene variants and scar vascularity. • No individual genetic variants reached significance due to sample size. • Gene set analysis found 8 gene significant sets, some involved in angiogenesis. • Largest association study on burn cohort to date.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 ».