MétaCan
Menu
Retour à la cohorte
Enregistrement W6958243593 · doi:10.60692/ypbt8-va881

Association between IL-10 gene polymorphisms (− 1082 A/G, -819 T/C, -592 A/C) and hepatocellular carcinoma: a meta-analysis and trial sequential analysis

2023· article· en· W6958243593 sur OpenAlexaboutno aff

Notice bibliographique

RevueGreater South Information System · 2023
Typearticle
Langueen
DomaineComputer Science
ThématiqueMachine Learning and Data Classification
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésHepatocellular carcinomaOdds ratioConfidence intervalGenetic modelAlleleMeta-analysisCarcinomaCarcinogenesis

Résumé

récupéré en direct d'OpenAlex

Abstract Background The carcinogenesis of hepatocellular carcinoma is complicated, and genetic factor may have the role in the malignant transformation of liver cells. IL-10 gene polymorphisms have been investigated for their potential roles in hepatocellular carcinoma This study aimed to investigate the relationship between polymorphisms of IL-10 (-1082 A/G, -819 T/C, -592 A/C), and hepatocellular carcinoma by performing a meta-analysis with eligible individual studies. Methods This study followed the PRISMA 2020 Checklist. Relevant studies were searched in health-related databases. The Newcastle-Ottawa Scale criteria were used to evaluate the studies quality. Pooled odds ratio (OR) and its 95% confidence interval (CI) were used to determine the strength of association between each polymorphism and hepatocellular carcinoma using five genetic models. Stratification was done by ethnic groups. Trial sequential analysis (TSA) was performed to determine the required information size. Results Fifteen case-control studies (n = 8182) were identified. Overall, the heterozygous model showed a marginal significant association only between IL-10 (-1082 A/G) and hepatocellular carcinoma risk (OR: 0.82, 95% CI: 0.67-1.00, 9 studies). On stratification, IL-10 (-1082 A/G) was significantly associated with hepatocellular carcinoma risk in the non-Asian population under dominant (OR: 0.62, 95% CI: 0.45–0.86, 4 studies), heterozygous (OR: 0.60, 95% CI: 0.43–0.85) and allelic models (OR: 0.79, 95% CI: 0.64–0.99). IL-10 (-819 T/C) was significantly associated with hepatocellular carcinoma risk only among non-Asians under the dominant (OR: 1.47, 95% CI: 1.02–2.13, 8 studies), recessive (OR: 1.99, 95% CI: 1.03–3.86, and homozygous models (OR: 2.18, 95% CI: 1.13–4.23). For IL-10 (-592 A/C) with 11 studies, there was no significant association with hepatocellular carcinoma in all five genetic models ( P values > 0.5). TSA plots indicated that the information size for firm evidence of effect was sufficient only for the analysis of IL-10 (-592 A/C), but not for the − 1082 A/G or -819 T/C. Conclusions Findings suggest that IL-10 (-1082 A/G and − 819 T/C) polymorphisms are associated with hepatocellular carcinoma in ethnic-specific manner. However, this evidence is not conclusive because the sample size was insufficient. IL-10 (-592 A/C) polymorphism was not associated with hepatocellular carcinoma albeit with sufficient information size. Future well-designed large case-control studies on IL-10 (-1082 A/G and − 819 T/C) with different ethnicities are recommended.

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)0,021
score de la tête « metaresearch » (Gemma)0,026
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Méta-analyse · Signal consensuel: Méta-analyse
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,021
Score d'incertitude au seuil0,109

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0210,026
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0140,039
Bibliométrie0,0030,004
Études des sciences et des technologies0,0010,001
Communication savante0,0030,001
Science ouverte0,0020,001
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,082
Tête enseignante GPT0,250
Écart entre enseignants0,168 · 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'étudeMéta-analyse
Domainenon disponible
GenreEmpirique

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

En bref

Citations0
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueGreater South Information SystemMême sujetMachine Learning and Data ClassificationTravaux en français237 207