Association between plausible genetic factors and weight loss from GLP1-RA and bariatric surgery: a multi-ancestry study in 10 960 individuals from 9 biobanks
Notice bibliographique
Résumé
Abstract Obesity is a significant public health concern. GLP-1 receptor agonists (GLP1-RA), predominantly in use as a type 2 diabetes treatment, are a promising pharmacological approach for weight loss, while bariatric surgery (BS) remains a durable, but invasive, intervention. Despite observed heterogeneity in weight loss effects, the genetic effects on weight loss from GLP1-RA and BS have not been extensively explored in large sample sizes, and most studies have focused on differences in race and ethnicity, rather than genetic ancestry. We studied whether genetic factors, previously shown to affect body weight, impact weight loss due to GLP1-RA therapy or BS in 10,960 individuals from 9 multi-ancestry biobank studies in 6 countries. The average weight change between 6 and 12 months from therapy initiation was -3.93% for GLP1-RA users, with marginal differences across genetic ancestries. For BS patients the weight change between 6 and 48 months from the operation was -21.17%. There were no significant associations between weight loss due to GLP1-RA and polygenic scores for BMI or type 2 diabetes or specific missense variants in the GLP1R, PCSK1 and APOE genes, after multiple-testing correction. A higher polygenic score for BMI was significantly linked to lower weight loss after BS (+0.7% for 1 standard deviation change in the polygenic score, P = 1.24×10 -4 ), but the effect was modest and further reduced in sensitivity analyses. Our findings suggest that existing polygenic scores related to weight and type 2 diabetes and missense variants in the drug target gene do not have a large impact on GLP1-RA effectiveness. Our results also confirm the effectiveness of these treatments across all major continental ancestry groups considered.
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 | 0,002 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 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 ».