MétaCan
Menu
Retour à la cohorte
Enregistrement W4404328120 · doi:10.1093/hmg/ddae157

Developing and validating a comprehensive polygenic risk score to enhance keratoconus risk prediction

2024· article· en· W4404328120 sur OpenAlexaff
Weixiong He, Urmo Võsa, Teele Palumaa, Jue‐Sheng Ong, Santiago Díaz‐Torres, Alex W. Hewitt, David A. Mackey, Puya Gharahkhani, Tõnu Esko, Stuart MacGregor

Notice bibliographique

RevueHuman Molecular Genetics · 2024
Typearticle
Langueen
DomaineMedicine
ThématiqueCorneal surgery and disorders
Établissements canadiensVictoria Park
Organismes subventionnairesnon disponible
Mots-clésKeratoconusNomogramReceiver operating characteristicBiobankOdds ratioKeratomileusisOphthalmologyMedicineInternal medicineBiologyBioinformaticsCornea

Résumé

récupéré en direct d'OpenAlex

PURPOSE: This study aimed to develop and validate a comprehensive polygenic risk score (PRS) for keratoconus, enhancing the predictive accuracy for identifying individuals at increased risk, which is crucial for preventing keratoconus-associated visual impairment such as post-Laser-assisted in situ keratomileusis (LASIK) ectasia. METHODS: We applied a multi-trait analysis approach (MTAG) to genome-wide association study data on keratoconus and quantitative keratoconus-related traits and used this to construct PRS models for keratoconus risk using several PRS methodologies. We evaluated the predictive performance of the PRSs in two biobanks: Estonian Biobank (EstBB; 375 keratoconus cases and 17 902 controls) and UK Biobank (UKB: 34 keratoconus cases and 1000 controls). Scores were compared using the area under the curve (AUC) and odds ratios (ORs) for various PRS models. RESULTS: The PRS models demonstrated significant predictive capabilities in EstBB, with the SBayesRC model achieving the highest OR of 2.28 per standard deviation increase in PRS, with a model containing age, sex and PRS showing good predictive accuracy (AUC = 0.72). In UKB, we found that adding the best-performing PRS to a model containing corneal measurements increased the AUC from 0.84 to 0.88 (P = 0.012 for difference), with an OR of 4.26 per standard deviation increase in the PRS. These models showed improved predictive capability compared to previous keratoconus PRS. CONCLUSION: The PRS models enhanced prediction of keratoconus risk, even with corneal measurements, showing potential for clinical use to identify individuals at high risk of keratoconus, and potentially help reduce the risk of post-LASIK ectasia.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,013
score de la tête « metaresearch » (Gemma)0,023
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,013
Score d'incertitude au seuil0,069

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0130,023
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,002
Bibliométrie0,0030,002
Études des sciences et des technologies0,0000,000
Communication savante0,0020,001
Science ouverte0,0010,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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.

Tête enseignante Opus0,026
Tête enseignante GPT0,314
Écart entre enseignants0,287 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations1
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueHuman Molecular GeneticsMême sujetCorneal surgery and disordersTravaux en français237 207