Predicting Neurodegenerative Diseases: Unveiling the Interplay of Genetics and Social Determinants
Notice bibliographique
Résumé
Abstract Background Predicting Alzheimer's disease (AD) and frontotemporal dementia (FTD) using polygenic risk scores (PRS) for late‐onset forms holds promise, but its accuracy might be influenced by social determinants of health (SDOH). This study explores how considering SDOH alongside genes can improve prediction, focusing on potential differences for each disease. Methods Employing logistic regression in 677 individuals (287 AD, 102 FTD, and 288 controls) aged 40‐80 from the ReDLat study across six Latin American countries, we investigated the potential for SDOH to modify the association between PRS and susceptibility to AD and FTD. Analyses were adjusted for a probabilistic score derived from models comparing disease groups to controls with SDOH data (education, occupation, economic stability, healthcare access and quality, and social context) and APOE ε4 carrier status to account for confounding effects. Results Although univariate association tests revealed robust links between PRS and both diseases, adjusted models presented a nuanced picture. In AD, the SDOH score and APOE ε4 carrier status significantly attenuated the PRS effect (p=0.14), suggesting these factors modify genetic risk. In FTD, however, SDOH did not influence the PRS contribution. These findings highlight the potentially distinct roles of social factors in different neurodegenerative pathways. Conclusion The significant modification of PRS effects in AD by SDOH and APOE ε4 underscores the need for comprehensive approaches in future research and interventions in Latin America. Conversely, the unaltered PRS contribution in FTD emphasizes distinct intricacies in gene‐environment interactions. These findings necessitate considering both realms in future efforts, paving the way for targeted strategies in AD and FTD prevention and treatment.
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 | 0,000 | 0,000 |
| 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 ».