Genetic association study of plasma creatine kinase levels in the Montreal Heart Institute Hospital Cohort
Bibliographic record
Abstract
Il a déjà été démontré que les statines (ou inhibiteurs de la HMG-CoA réductase) sont efficaces pour réduire le LDL-cholestérol et elles se sont depuis établies comme étant le pilier dans le traitement de la dyslipidémie. Toutefois, environ 10 pourcent des utilisateurs de statines souffrent d'effets indésirables, généralement sous forme de myopathie qui est souvent accompagnée d’un taux élevé de la créatine kinase (CK) plasmatique. Il est fréquent que les patients doivent arrêter les statines à cause d’un taux de CK dépassant un seuil de référence. Nous avons examiné le taux de CK de près de 6000 participants de la biobanque de l’ICM, qui ont récemment été génotypés à l'aide de la micropuce d'ADN ExomChip d'Illumina. Des études antérieures ont démontré une association significative entre le taux de CK plasmatique et des polymorphismes génétiques et nous avons cherché à répliquer ces résultats par association génétique et à l'aide du test SKAT pour les polymorphismes rares. Nous avons répliqué les résultats dans le gène CKM (rs11559024, p=1.59x10-23) et le gène LILRB5 (rs12975366, p=1.44x10-26) dans le chromosome 19. Nous espérons que ces résultats seront éventuellement utilisés en clinique pour la prédiction des taux de référence de CK personnalisés selon le profil génétique des patients utilisateurs de statines.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.001 | 0.003 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.002 |
| Science and technology studies | 0.001 | 0.000 |
| Scholarly communication | 0.001 | 0.000 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.004 | 0.000 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".