MétaCan
Menu
← Retour à la cohorte
Enregistrement W7047680474

Identification des patients à haut risque génétique de la maladie coronarienne et de l'infarctus du myocarde : utilisation des scores de risque polygénique

2023· other· fr· W7047680474 sur OpenAlexaboutno aff

Notice bibliographique

Revuenon disponible
Typeother
Languefr
DomainePhysics and Astronomy
ThématiqueSuperconducting and THz Device Technology
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésCoronary heart diseaseRisk factorMedical screeningArterial disease
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

La maladie coronarienne (Coronary Artery Disease; CAD), l'une des pathologies cardiovasculaires les plus prévalentes au monde, représente la première cause de mortalité dans de nombreux pays développés. Cette pathologie complexe affecte l'arbre artériel irriguant le cœur, pouvant aboutir à des troubles de la circulation et être à l'origine d'évènements aigus, voire mortels, tels que l'infarctus du myocarde (Myocardial Infarction; MI). De nombreux facteurs de risque (FDR) associés au développement de la CAD ont été décrits. Certains d'entre eux ne sont pas modifiables, comme le sexe masculin ou l'âge. D'autres sont modifiables ou contrôlables, tels que le niveau de certaines lipoprotéines athérogènes, l'hypertension artérielle, le diabète ou le tabac. Ces différents paramètres peuvent être évalués individuellement en clinique ou être pris en considération de façon combinée, au moyen de scores de risque clinique, dans le but d'estimer un risque de développer la CAD et d'agir en prévention. Toutefois, de nombreuses limitations existent pour l'utilisation de ces scores. Parmi elles, ces scores ne capturent les effets que de quelques FDR traditionnels, faisant l'impasse sur d'autres risques liés, par exemple, à des conditions inflammatoires chroniques ou d'autres susceptibilités biologiques. Enfin, ces scores ne permettent pas d'anticiper les cas très précoces de CAD ou de MI (généralement avant l'âge de 40 ans). Au cours des deux dernières décennies, plusieurs études observationnelles d'envergure nous ont permis de comprendre le rôle de notre patrimoine génétique dans l'étiologie de la CAD. Les études d'associations pangénomiques ont permis l'identification de plus de 240 loci associés à la CAD, mettant en lumière une architecture génétique complexe. Ces études ont permis d'estimer, pour un ensemble de polymorphismes nucléotidiques, des effets positifs ou négatifs significatifs sur l'occurrence de la maladie. En se basant sur un modèle additif, des méthodes statistiques permettent d'agréger ces effets en une valeur unique qui capture le risque génétique individuel de développer la maladie. Ce sont les scores de risque polygéniques (Polygenic Risk Scores; PRS). Cependant, malgré un éventail d'études montrant une prédiction indépendante du risque de CAD par rapport aux FDR, l'utilisation des PRS pour une application future dans un cadre clinique reste un sujet débattu, notamment lorsqu'ils sont comparés aux scores cliniques actuels. L'objectif principal de cette thèse est d'étudier l'impact des PRS dans la prédiction du risque de CAD et de MI par rapport aux outils utilisés en clinique, ainsi que d'améliorer les performances prédictives globales des PRS. Cette thèse comprend deux axes principaux, avec chacun deux projets. Le premier axe est dédié à la prédiction des MI au moyen de PRS spécifique à la CAD et à ses FDR. Le second axe se focalise sur l'utilisation des déterminants génétiques associés spécifiquement aux lipides et lipoprotéines pour la prédiction du risque de CAD. Brièvement, notre première étude s'est focalisée sur l'impact d'un PRS de CAD pour prédire l'incidence de MI et la mortalité, dans la cohorte britannique UK Biobank (UKB). En stratifiant nos analyses en fonction des différents groupes d'âge et du sexe, nous avons décrit des associations plus fortes entre le PRS et l'incidence de MI chez les jeunes adultes (âgés de 40 à 51 ans), notamment du sexe masculin, suggérant un intérêt pour la prédiction des cas précoces. En utilisant des analyses multivariées, nous avons constaté que l'association entre le PRS de CAD et l'incidence de CAD ou de la mortalité était indépendante de celle d'un score de risque clinique. Le PRS de CAD permettait aussi de reclassifier une proportion importante d'individus dont le risque était sous-estimé par le score clinique. Dans notre deuxième étude, nous avons validé, dans des cohortes canadiennes, l'usage de PRS de CAD et de ses FDR (obtenus à partir d'autres études). Nous avons montré que le PRS de CAD et quelques PRS de FDR étaient associés à la sévérité de la CAD (déterminée par angiographie coronarienne). Dans notre troisième étude, nous avons produit des PRS de lipides (acides gras et lipoprotéines) et comparé leurs performances prédictives par rapport à un PRS de CAD, pour prédire l'incidence de la CAD dans la cohorte UKB. Nos résultats ont permis de montrer que la majorité des PRS de lipides étudiés (27/29) étaient associés à l'incidence de la CAD. Dans la deuxième et troisième étude, nous démontrons aussi que combiner plusieurs PRS indépendants de FDR ou spécifiquement de lipides a permis d'améliorer la prédiction du PRS de CAD. Dans notre dernière étude, nous avons évalué la contribution spécifique de la lipoprotéine(a) et du gène LPA dans la détermination du risque polygénique de CAD dans la cohorte UKB. Nos résultats montrent que malgré une contribution mineure du gène LPA dans le PRS de CAD dans la prédiction de l'incidence de la CAD, une mesure de lipoprotéine(a) complémentaire est nécessaire pour une meilleure stratification du risque génétique de la CAD. Pris dans leur ensemble, les résultats de cette thèse soutiennent l'intérêt des PRS pour quantifier un risque héritable de CAD qui est non saisi par les scores cliniques conventionnels. L'usage de PRS permettra de cibler tôt les personnes qui ont un risque génétique élevé. Des efforts doivent cependant se poursuivre afin de pouvoir éventuellement les utiliser en clinique, dans la population générale.

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)0,001
score de la tête « metaresearch » (Gemma)0,004
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Autre · Signal consensuel: aucune
Score de désaccord entre enseignants0,006
Score d'incertitude au seuil0,012

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,004
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0000,001
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,012
Tête enseignante GPT0,261
Écart entre enseignants0,249 · 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'étudeSans objet
Domainenon disponible
GenreAutre

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 sujetSuperconducting and THz Device Technology→Travaux en français237 207→