Polygenic risk scores for eGFR are associated with age at kidney failure
Notice bibliographique
Résumé
BACKGROUND: The genetic architecture of chronic kidney disease (CKD) is complex, including monogenic and polygenic contributions. CKD progression to kidney failure is influenced by factors including male sex, baseline estimated glomerular filtration rate (eGFR), hypertension, diabetes, proteinuria, and the underlying kidney disease. These traits all have strong genetic components, which can be partially quantified using polygenic risk scores. This paper examines the association between polygenic risk scores for CKD-related traits and age at kidney failure development. METHODS: Genome-wide genotype data from 10,586 patients with kidney failure were compiled from 12 cohorts. Polygenic risk scores for hypertension, albuminuria, rapid decline in eGFR, decreased total kidney volume, and decreased eGFR were calculated using weights from published independent population-scale genome-wide association studies. The association between each polygenic risk score and age at kidney failure was investigated using logistic regression models. The association between polygenic risk score and age at kidney failure was also investigated separately for each primary kidney disease. RESULTS: Individuals in the highest 10% of polygenic risk score for decreased eGFR developed kidney failure 2 years earlier than those in the bottom 90% (49.9 years and 47.9 years, P = 5e-5). A standard deviation increase in decreased eGFR polygenic risk score was associated with increased odds of developing kidney failure before the age of 60 years (Odds ratio (OR) = 1.05; 95% CI 1.01-1.10; P = 0.01), as was high decreased eGFR polygenic risk score (OR = 1.26; 95% CI 1.08-1.46; P = 0.003). CONCLUSIONS: We conclude that decreased eGFR polygenic risk score explains a portion of the variation in age at development of kidney failure.
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 | 0,001 |
| 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 ».