Genetic and lifestyle risk factors for MRI-defined brain infarcts in a population-based setting.
Notice bibliographique
Résumé
OBJECTIVE: To explore genetic and lifestyle risk factors of MRI-defined brain infarcts (BI) in large population-based cohorts. METHODS: We performed meta-analyses of genome-wide association studies (GWAS) and examined associations of vascular risk factors and their genetic risk scores (GRS) with MRI-defined BI and a subset of BI, namely, small subcortical BI (SSBI), in 18 population-based cohorts (n = 20,949) from 5 ethnicities (3,726 with BI, 2,021 with SSBI). Top loci were followed up in 7 population-based cohorts (n = 6,862; 1,483 with BI, 630 with SBBI), and we tested associations with related phenotypes including ischemic stroke and pathologically defined BI. RESULTS: The mean prevalence was 17.7% for BI and 10.5% for SSBI, steeply rising after age 65. Two loci showed genome-wide significant association with BI: FBN2, p = 1.77 × 10-8; and LINC00539/ZDHHC20, p = 5.82 × 10-9. Both have been associated with blood pressure (BP)-related phenotypes, but did not replicate in the smaller follow-up sample or show associations with related phenotypes. Age- and sex-adjusted associations with BI and SSBI were observed for BP traits (p value for BI, p [BI] = 9.38 × 10-25; p [SSBI] = 5.23 × 10-14 for hypertension), smoking (p [BI] = 4.4 × 10-10; p [SSBI] = 1.2 × 10-4), diabetes (p [BI] = 1.7 × 10-8; p [SSBI] = 2.8 × 10-3), previous cardiovascular disease (p [BI] = 1.0 × 10-18; p [SSBI] = 2.3 × 10-7), stroke (p [BI] = 3.9 × 10-69; p [SSBI] = 3.2 × 10-24), and MRI-defined white matter hyperintensity burden (p [BI] = 1.43 × 10-157; p [SSBI] = 3.16 × 10-106), but not with body mass index or cholesterol. GRS of BP traits were associated with BI and SSBI (p ≤ 0.0022), without indication of directional pleiotropy. CONCLUSION: In this multiethnic GWAS meta-analysis, including over 20,000 population-based participants, we identified genetic risk loci for BI requiring validation once additional large datasets become available. High BP, including genetically determined, was the most significant modifiable, causal risk factor for BI.
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 | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».