Association of Vitamins and Minerals with Type 1 Diabetes Risk: A Mendelian Randomization Study
Notice bibliographique
Résumé
Background/Objectives: Previous studies suggest that nutrient deficiencies can alter immune responses in animals. However, the impact of micronutrients on autoimmune diseases like type 1 diabetes (T1D) in humans remains unclear since the described associations are based on observational data and they cannot establish causality. This study aims to examine the causal relationship between various micronutrients and T1D using Mendelian randomization (MR). Methods: We performed a two-sample MR analysis using genetic variants from genome-wide association studies (GWASs) of 17 micronutrients as instrumental variables (IVs). We analyzed T1D GWAS datasets of European (18,942 cases/520,580controls), multi-ancestry (25,717 cases/583,311 controls), Latin American/Hispanic (2295 cases/55,134 controls), African American/Afro-Caribbean (6451 cases/109,410 controls), and East Asian (1219 cases/132,032 controls) ancestries. We applied the inverse variance weighted (IVW) method in our main analysis, and additional MR estimators (MR-Egger, weighted median, weighted mode, MR-PRESSO) to address pleiotropy, and the Steiger test to test directionality in sensitivity analyses. Results: Following Bonferroni correction (p < 0.05/17), we found positive association between potassium levels and T1D risk (OR = 1.098, 95% CI [1.075, 1.122] p = 5.5 × 10−18) in the multi-ancestry analysis. Zinc, vitamin B12, retinol, and alpha tocopherol showed nominal associations. Vitamin C, D, K1, B6, beta- and gamma-tocopherol, magnesium, iron, copper, selenium, carotene, and folate showed no significant effects on T1D risk. For the multi-ancestry analysis, we had sufficient power to detect ORs for T1D larger than 1.065. Conclusions: Higher serum potassium levels were associated with increased T1D risk in our MR study, though supporting observational evidence is currently limited. Other micronutrients are unlikely to have large effects on T1D.
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 | 0,029 | 0,052 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,003 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».