Causal relationship between plasma metabolites and carpal tunnel syndrome risk: evidence from a mendelian randomization study
Notice bibliographique
Résumé
Background Carpal tunnel syndrome (CTS) is a common symptom of nerve compression and a leading cause of pain and hand dysfunction. However, the underlying biological mechanisms are not fully understood. The aim of this study was to reveal the causal effect of circulating metabolites on susceptibility to CTS. Methods We employed various Mendelian randomization (MR) methods, including Inverse Variance Weighted, MR-Egger, Weighted Median, Simple Mode, and Weighted Model, to examine the association between 1,400 metabolites and the risk of developing CTS. We obtained Single-nucleotide polymorphisms (SNPs) associated with 1,400 metabolites from the Canadian Longitudinal Study on Aging (CLSA) cohort. CTS data was derived from the FinnGen consortium, which included 11,208 cases and 1,95,047 controls of European ancestry. Results The results of the two-sample MR study indicated an association between 77 metabolites (metabolite ratios) and CTS. After false discovery rate (FDR) correction, a strong causal association between glucuronate levels (odd ratio (OR) [95% CI]: 0.98 [0.97–0.99], p FDR = 0.002), adenosine 5′-monophosphate (AMP) to phosphate ratio (OR [95% CI]:0.58 [0.45–0.74], p FDR = 0.009), cysteinylglycine disulfide levels (OR [95% CI]: 0.85 [0.78–0.92], p FDR = 0.047) and CTS was finally identified. Conclusion In summary, the results of this study suggest that the identified glucuronate, the ratio of AMP to phosphate, and cysteinylglycine disulfide levels can be considered as metabolic biomarkers for CTS screening and prevention in future clinical practice, as well as candidate molecules for future mechanism exploration and drug target selection.
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 | 0,002 |
| 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 ».