Persatuan Gen Sitokin Dengan Penilaian Laporan Kendiri Mengenai Keletihan Pagi Dan Petang dalam Pesakit Onkologi Dan Penjaga Keluarga MerekaⅠ

Abstrak

Tujuan kajian ini adalah untuk menilai perbezaan variasi dalam pro dananti-radanggen sitokin antara peserta yang diklasifikasikan sebagai mempunyai rendah dan tinggitahap keletihan pagi dan petang dan untuk menilai perbezaan ciri fenotipantara dua kumpulan ini. Dalam sampel 167 pesakit luar onkologi dengan payudara, prostat, paru-paru, ataukanser otak dan 85 penjaga keluarga mereka, pemodelan campuran pertumbuhan (GMM) telah digunakan untukmengenal pasti kelas terpendam individu berdasarkan penilaian pagi dan petangkeletihandiperolehisebelum, semasa, dan selama 4 bulan selepas selesai terapi sinaran. Perbezaan dalam singlepolimorfisme nukleotida (SNP) dan haplotip dalam 15 gen sitokin telah dinilai antarakelas terpendam. Regresi logistik berganda digunakan untuk menilai kesan fenotip danciri genotip pada waktu pagi dan petangkeletihankeahlian kelas. Persatuan adalahdidapati antara keletihan pagi dan bilangan komorbiditi serta variasi dalamTNFArs1800629 dan rs3093662. Keletihan petang dikaitkan dengan menjaga kanak-kanak di rumah danvariasi dalamIL4rs2243248 danTNFArs2229094. Umur yang lebih muda dan status prestasi yang lebih rendah ialahdikaitkan dengan pagi dan petangkeletihan. Penemuan ini mencadangkan bahawaradang mediator dikaitkan dengan perkembangan keletihan pagi dan petang. Namun, keranaciri fenotip yang berbeza dan penanda genomik dikaitkan dengan variasi diurnal dalamkeletihan, keletihan pagi dan petang mungkin berbeza tetapi gejala berkaitan.

Kata kunci

sitokin; genetik; pagikeletihan; petangkeletihan; kanser payudara; faktor nekrosis tumor-alfa;interleukin 4;serbuk ekstrak cistanche

anti-fatigue function cistanche (14)

Untuk maklumat lanjut:wallence.suen@wecistanche.com

Keletihanadalah gejala yang kerap dan melumpuhkanyang berlaku pada kira-kira 80 peratus pesakit yang menerima terapi sinarandan dalam 24–30 peratus daripadapenjaga keluarga pesakit kanser (Swore Fletcher, Dodd, Schumacher, &Miaskowski, 2008). Walaupun penulis telah melaporkan tentang kelaziman yang tinggi dan negatifkesan gejala ini selama lebih 30 tahun, sedikit yang diketahui tentang mekanisme yang mendasarinyakeletihan.Walaupun etiologi keletihan sudah pasti berbilang faktor, bukti yang semakin meningkatmenunjukkan bahawa laluan keradangan adalah penting dalam perkembangan gejala ini(Barsevick, Frost, Zwinderman, Hall, & Halyard, 2010; Jager, Sleijfer, & van der Rijt, 2008;Reyes-Gibby et al., 2008; Schubert, Hong, Natarajan, Mills, & Dimsdale, 2007).

sebenarnya,beberapa kajian telah menilai perkaitan antara tahap sitokin serum dan keletihankejadian atau keterukan. Dapatan kajian kuantitatif (Schubert et al., 2007)mencadangkan korelasi positif antara keletihan dan tahap keradangan yang beredarpenanda. Walau bagaimanapun, daripada 19 penanda keradangan yang beredar dinilai, hanya interleukin(IL)-6, IL1-alfa reseptor (IL-1r ), dan neopterin kekal penting dalam analisis akhir.Penemuan tidak konklusif ini mungkin disebabkan oleh cabaran yang wujud dalam pengukuransitokin yang beredar dan kepada kebolehubahan sirkadian dalam tahap sitokin (Gilbertson-White,Aouizerat, & Miaskowski, 2011).

Sebagai tambahan kepada kajian sitokin serum, beberapa kajian telah mendokumenkan persatuanantara variasi dalam gen sitokin dan keletihan (Aouizerat et al., 2009; Bower, Ganz,Irwin, Arevalo, & Cole, 2011; Collado-Hidalgo, Bower, Ganz, Irwin, & Cole, 2008; Hong etal., 1995; Miaskowski et al., 2010; Reinertsen et al., 2011). Dalam kajian terhadap 33 penat dan 14mangsa kanser payudara yang tidak letih, Collado-Hidalgo et al. (2008) mendapati bahawa, manakalaIL6adalahtidak dikaitkan dengan keletihan,IL1Bmemang menunjukkan persatuan. Dalam kajian yang dijalankan oleh kamipasukan penyelidik (Miaskowski et al., 2010), pesakit onkologi (n= 288) dan penjaga keluarga(n= 103) yang merupakan homozigot untuk alel sepunya dalamIL6rs4719714 melaporkan tahap yang lebih tinggikeletihan pagi dan petang serta gangguan tidur.

Di samping itu, dalam perkara yang samasampel, individu yang homozigot untuk alel biasa dalam tumor nekrosis faktor-alfa (TNFA)rs1800629 melaporkan tahap keletihan pagi dan gangguan tidur yang lebih tinggi(Aouizerat et al., 2009). Polimorfisme nukleotida tunggal (SNP) yang sama dalamTNFAadalahdikaitkan dengan gejala keletihan dan tahap protein C-reaktif yang lebih tinggi pada pesakit dengansindrom keletihan kronik (Jeanmonod, von Kanel, Maly, & Fischer, 2004). Dalam kajian lain,di mana penyelidik membandingkan keletihan (n= 11) dan tidak letih (n= 10) kanser payudarayang terselamat, faktor nuklear kappa beta(NFKB)transkrip telah ditunjukkan meningkat di kalanganmangsa yang keletihan (Bower et al., 2011). Walau bagaimanapun, dalam kajian besar terhadap mangsa kanser payudara,hanya satu daripada tujuh SNP dalam lima gen sitokin (iaitu, protein C-reaktif[CRP]rs3091244)dikaitkan dengan keletihan (Reinertsen et al., 2011).

Salah satu batasan kajian penyelidikan yang dijalankan sehingga kini ialah variasi diurnal dalamketerukan keletihan dan ciri fenotip dan genotip yang berkaitan tidak dinilaisecara terperinci. Dalam makalah baru-baru ini daripada pasukan penyelidikan kami menggunakan pemodelan campuran pertumbuhan(GMM) untuk mengenal pasti kelas terpendam individu yang mengalami keletihan pagi dan petang yang berbezatrajektori dalam kalangan pesakit onkologi dan penjaga keluarga mereka (Dhruva et al., 2013), kamimendapati ciri-ciri fenotip yang membezakan antara keletihan pagi dan petangkelas. Sebagai contoh, peserta dalam kelas High Morning Fatigue lebih berkemungkinanlebih muda dan mempunyai status fungsi yang lebih rendah daripada peserta dalam Keletihan Pagi Rendahkelas. Sebaliknya, peserta dalam kelas High Evening Fatigue lebih berkemungkinanlebih muda, perempuan, menjaga kanak-kanak di rumah, dan penjaga keluarga daripada peserta dalamKelas Rendah Keletihan Petang. Di samping itu, hanya 10.3 peratus daripada sampel diklasifikasikan sebagai masukkedua-dua kelas keletihan pagi dan petang terendah dan hanya 41.3 peratus daripada sampeldikelaskan dalam kedua-dua kelas keletihan pagi dan petang tertinggi. Berdasarkan penemuan ini,

kami mencadangkan bahawa keletihan pagi dan petang mungkin berbeza tetapi gejala berkaitan.

Dalam kertas ini, kami melanjutkan penemuan ini dan menilai perbezaan dalam beberapa pro-dangen sitokin anti-radang di kalangan peserta yang diklasifikasikan sebagai mempunyaitahap rendah dan tinggi keletihan pagi dan petang.

anti-fatigue function cistanche (12)

BELI CISTANCHE UNTUK MENGUBATI CFS

Kaedah

Peserta dan Tetapan

Butiran kajian ini diterbitkan di tempat lain (Aouizerat et al., 2009; Carney et al., 2011;Dhruva et al., 2012; Dunn et al., 2012; Miaskowski et al., 2010; Miaskowski et al., 2011). DalamSecara ringkas, pesakit dan penjaga keluarga mereka (FC) telah diambil daripada dua terapi sinaranjabatan yang terletak di pusat kanser yang komprehensif dan onkologi berasaskan komunitiprogram semasa lawatan simulasi pesakit.Pesakit layak untuk mengambil bahagian jika mereka berumur Melebihi atau sama dengan 18 tahun; telah dijadualkan untuk menerimaterapi sinaran primer atau adjuvant untuk salah satu daripada empat diagnosis kanser (iaitu, payudara, prostat,paru-paru, atau otak); boleh membaca, menulis dan memahami bahasa Inggeris; memberi maklumat bertulispersetujuan; dan mempunyai skor Status Prestasi Karnofsky (KPS) Lebih Besar daripada atau sama dengan 60. Pesakit telahdikecualikan jika mereka mempunyai penyakit metastatik, lebih daripada satu diagnosis kanser, atau didiagnosisgangguan tidur. FC layak untuk mengambil bahagian jika mereka berumur Melebihi atau sama dengan 18 tahun; dapatmembaca, menulis, dan memahami bahasa Inggeris; memberikan persetujuan termaklum bertulis; mempunyai skor KPS Lebih Besar daripada atau sama dengan60; tinggal bersama pesakit, dan tidak mengalami gangguan tidur yang didiagnosis.

Instrumen

Kami menggunakan soal selidik demografi untuk mendapatkan maklumat tentang umur, jantina, status perkahwinan,pendidikan, etnik, status pekerjaan, dan kehadiran beberapa komorbidsyarat. Kami juga menyemak rekod perubatan untuk maklumat penyakit dan rawatan.Skala Keletihan Lee (LFS), yang kami gunakan dalam kajian ini, terdiri daripada 13 itemdireka untuk menilai keletihan fizikal (KA Lee, Hicks, & Nino-Murcia, 1991). Kepenatan totalskor dikira sebagai min daripada 13 item, dengan skor yang lebih tinggi menunjukkan keletihan yang lebih besarketerukan. Peserta diminta menilai setiap item berdasarkan perasaan mereka "sekarang" dalam30 minit terjaga (keletihan pagi) dan sebelum tidur (keletihan petang). LFSmempunyai kesahan dan kebolehpercayaan yang mantap. Dalam kajian ini, alpha Cronbach untukkeletihan petang dan pagi semasa pendaftaran ialah {{0}}.96 dan 0.95 untuk pesakit dan 0.95 dan 0.96untuk FC, masing-masing.

Prosedur Kajian

Kajian itu telah diluluskan oleh Jawatankuasa Penyelidikan Manusia di UniversitiCalifornia, San Francisco, dan Lembaga Kajian Institusi di tapak kedua. Kami menjemputpesakit untuk mengambil bahagian dalam kajian kira-kira 1 minggu sebelum permulaan sinaranterapi (iaitu, lawatan simulasi apabila pengukuran untuk terapi sinaran dibuat). SekiranyaFC hadir, jururawat penyelidik menerangkan protokol kajian kepada kedua-dua pesakit dan FC,menentukan kelayakan, dan memperoleh persetujuan termaklum bertulis. FC yang tidak hadirtelah dihubungi melalui telefon untuk menentukan minat mereka dalam penyertaan. FC ini telah selesaiprosedur pendaftaran di rumah. Peserta melengkapkan LFS semasa pendaftaran, 4 mingguselepas permulaan terapi sinaran, selepas selesai terapi sinaran, dan pada 4, 8, 12,dan 16 minggu selepas selesai terapi sinaran (iaitu, tujuh penilaian melebihi 6bulan).

Kaedah Analisis untuk Data Fenotip

Data dianalisis menggunakan SPSS, versi 19 (SPSS, 2010), dan Mplus, versi 6.11 (LKMuthen & Muthen, 1998-2010). Statistik deskriptif dan taburan kekerapan adalahdihasilkan pada ciri sampel dan skor keterukan keletihan. Ujian-t sampel bebas,analisis varians (ANOVA), dan analisis Chi-square telah dilakukan untuk menilaiperbezaan dalam ciri demografi dan klinikal antara kelas keletihan.GMM dengan anggaran kemungkinan maksimum yang teguh telah digunakan untuk mengenal pasti kelas terpendam (iaitu,subkumpulan peserta) dengan trajektori keletihan pagi dan petang yang berbeza sepanjang 6bulan kajian (BO Muthen & Kaplan, 2004). Kerana 65 peratus daripada peserta adalahdalam dyad pesakit-penjaga, model dianggarkan dengan "dyad" sebagai pembolehubah pengelompokan kepadamemastikan bahawa sebarang pergantungan antara skor keletihan pagi dan petang untuk pesakit danFC dalam dyad yang sama dikawal dalam analisis GMM. Perlu diingatkan bahawa selepasmengambil kira sebarang pergantungan dalam dyad, tiada perbezaan ketara ditemuiantara pesakit dan FC dalam anggaran parameter untuk pelbagai pagi dan petang

trajektori GMM keletihan yang dikenal pasti dalam analisis awal.

Seperti yang dilaporkan sebelum ini (Dhruva et al., 2013), tiga kelas terpendam yang berbeza telah dikenal pasti untukkeletihan pagi dan petang. Untuk analisis gen calon yang dilaporkan dalam kertas ini,kelas keletihan tiga pagi telah runtuh kepada dua kumpulan (iaitu, Sangat Rendah [32.5 peratus]berbanding Rendah dan Tinggi [67.5 peratus]) begitu juga dengan tiga kelas keletihan petang (iaitu, Rendah [11.1 peratus]berbanding Sederhana dan Tinggi [88.9 peratus ]). Rasional untuk pengkategorian ini adalah sangat rendahtahap keletihan pagi dan tahap rendah keletihan petang mungkin dijangka secara umumpenduduk. Pendekatan fenotip ekstrem ini merupakan strategi yang berkesan untuk mengenal pasti potensigen calon yang dikaitkan dengan gejala atau keadaan klinikal (Li, Lewinger, Gauderman,Murcray, & Conti, 2011).

Pelarasan tidak dibuat untuk data yang hilang. Oleh itu, kohort bagi setiap analisis ialahbergantung pada set terbesar data yang tersedia merentas kumpulan. Ap-nilai < .05 ialahdianggap signifikan secara statistik.

Kaedah Analisis untuk Data Genom

Pemilihan gen—Sitokin pro-radang menggalakkan keradangan sistemik dantermasuk interferon-gamma (IFN ), IFN reseptor 1 (IFN R1), IL-1R1, IL-2, IL-8, IL-17A,NFKB1, NFKB2 dan TNF- . Sitokin anti-radang menyekat aktiviti pro-sitokin radang dan termasuk IL-1R2, IL-4, IL-10 dan IL-13. Untuk makluman, IFN 1, IL-1 , dan IL-6 mempunyai ciri pro dan anti-radang (Seruga, Zhang, Bernstein, &Tannock, 2008).

Pengumpulan darah dan genotaip—Asid deoksiribonukleik genomik (DNA) ialahdiekstrak daripada lapisan buffy yang diarkibkan menggunakan Sistem Pengasingan DNA PUREGene(Invitrogen, Carlsbad, CA). Daripada 287 peserta yang diambil, DNA telah diperoleh daripada 253peserta (iaitu, 168 pesakit dan 85 FC). Sampel telah digenotip menggunakan GoldenGateplatform genotip (Illumina, San Diego, CA) dan diproses menggunakan GenomeStudio(Illumina, San Diego, CA).

Pemilihan polimorfisme nukleotida tunggal (SNP)—Kami memilih gabunganmenandai SNP dan SNP yang dicadangkan oleh literatur untuk analisis. Menandai SNP ialahdiperlukan untuk menjadi biasa (iaitu, ditakrifkan sebagai mempunyai frekuensi alel yang jarang ditemui Lebih besar daripada atau sama dengan 0.05) di khalayak ramaipangkalan data. Untuk memastikan analisis persatuan genetik yang mantap, kami melakukan kualitimengawal penapisan SNP. SNP dengan kadar panggilan < 95="" peratus="" atau="">p-nilai daripada< .001="" were="">Seperti yang ditunjukkan dalam Jadual tambahan 1possible>, sejumlah 92 SNP antara 15 gen calon melepasi semua penapis kawalan kualitidan dimasukkan dalam analisis persatuan genetik (IFNG1:5 SNP;IFNGR1:1 SNP;IL1B:12 SNP;IL1R1:5 SNP;IL1R2:3 SNP;IL2:5 SNP;IL4:8 SNP;IL6:9 SNP;IL8:3 SNP;IL10:8 SNP;IL13:4 SNP;IL17A:5 SNP;NFKB1:11 SNP;NFKB2: 4SNP;TNFA:9 SNP). Peranan fungsi berpotensi SNP yang dikaitkan dengan spesifiksimptom telah diperiksa menggunakan PUPASuite 2.0 (Conde et al., 2006).

Analisis statistik—Kekerapan alel dan genotip ditentukan oleh genmengira. Keseimbangan Hardy-Weinberg dinilai oleh Chi-square atau tepat Fisherujian. Ukuran ketidakseimbangan pautan (LD; iaitu, D' danr2) telah dikira daripadagenotip peserta dengan Haploview

4.2. Definisi blok haplotype berasaskan LD adalah berdasarkanpada selang keyakinan D' (Gabriel et al., 2002)

Haplotip telah dibina menggunakan program PHASE, versi 2.1 (Stephens, Smith, &Donnelly, 2001). Hanya haplotip yang disimpulkan dengan anggaran kebarangkalian Lebih daripada atau sama dengan .85merentas lima lelaran dikekalkan untuk analisis hiliran. Haplotip telah dinilaidengan mengandaikan model dos.

Penanda maklumat keturunan (AIMS) digunakan untuk meminimumkan kekeliruan disebabkan olehstratifikasi populasi (Halder, Shriver, Thomas, Fernandez, & Frudakis, 2008; Hoggart etal., 2003; Tian, Gregersen, & Seldin, 2008). Kehomogenan dalam keturunan di kalangan pesertatelah disahkan oleh analisis komponen utama (Price et al., 2006) menggunakan Helix Tree (GoldenHelix, Bozeman, MT). Termasuk dalam analisis ialah 106 AIM. Tiga PC pertama ialahdipilih untuk melaraskan potensi mengelirukan disebabkan substruktur populasi (iaitu, bangsa/etnik) dengan memasukkan tiga kovariat dalam semua model regresi.

Untuk ujian persatuan, tiga model genetik telah dinilai untuk setiap SNP: aditif, dominan,dan resesif. Melainkan penambahbaikan remeh (iaitu, delta < 10="" peratus="" ),="" model="" genetik="" yang="">sesuaikan data, dengan memaksimumkan kepentinganp-value, telah dipilih untuk setiap SNP.Analisis regresi logistik, yang mengawal kovariat penting serta untuk kaum/etnik, digunakan untuk menilai hubungan antara genotip dan kumpulan keletihankeahlian. Pendekatan berperingkat ke belakang digunakan untuk mencipta model yang parsimoni.

Kecuali untuk kaum/etnik dan AIMS yang dilaporkan sendiri, hanya peramal dengan ap-nilai < .05telah dikekalkan dalam model akhir. Model genetik sesuai dan kedua-duanya tidak dilaraskan dan dilaraskan kovariatnisbah odds dianggarkan menggunakan STATA versi 9.Seperti yang dilakukan dalam kajian terdahulu kami (Illi et al., 2012; McCann et al., 2012; C Miaskowski et al.al., 2012), berdasarkan cadangan dalam literatur (Hattersley & McCarthy, 2005;Rothman, 1990), pelaksanaan kawalan kualiti yang ketat untuk data genomik, ketidakbebasanSNP/haplotip dalam LD, dan sifat penerokaan analisis,

pelarasan tidak dibuat untuk pelbagai ujian. Di samping itu, SNP penting yang dikenal pasti dalamanalisis bivariat dinilai selanjutnya menggunakan analisis regresi yang dikawal untukperbezaan dalam ciri fenotip, potensi mengelirukan disebabkan oleh populasistratifikasi, dan variasi dalam SNP/haplotip lain dalam gen yang sama. Hanya merekaSNP yang kekal penting dimasukkan dalam pembentangan akhir keputusan.Oleh itu, persatuan bebas penting yang dilaporkan tidak mungkin disebabkan semata-matapeluang. Persatuan yang tidak diselaraskan dilaporkan untuk semua SNP yang lulus kriteria kawalan kualitiJadual tambahan 1 untuk membolehkan perbandingan dan analisis meta seterusnya.

Keputusan

Ciri-ciri Peserta

Jumlah sampel, iaitu 46.2 peratus lelaki dan 53.8 peratus perempuan, terdiri daripada 167 onkologipesakit luar dan 85 FC. Majoriti peserta adalah berpendidikan tinggi dan Kaukasiadengan purata umur 61.5 tahun. Min skor KPS ialah 92 dan purata peserta mempunyailebih daripada empat keadaan komorbid. Kira-kira 49 peratus daripada pesakit mempunyai kanser prostat,38 peratus mempunyai kanser payudara, 7 peratus mempunyai tumor otak, dan 6 peratus mempunyai kanser paru-paru. Kami mendapati tidakperbezaan ketara antara penilaian pesakit dan FC tentang keletihan pagi (2.3 ± 2.0berbanding 2.3 ± 1.9, masing-masing) dan keletihan petang (masing-masing 4.2 ± 2.0 berbanding 4.5 ± 2.0)semasa pendaftaran.

Perbezaan Fenotip Antara Kelas Keletihan Pagi

Berbanding dengan kelas keletihan pagi Sangat Rendah (n= 82 [32.5 peratus ]), peserta dalamkelas Rendah dan Tinggi (digabungkann= 170 [67.5 peratus ]) jauh lebih muda dan mempunyai abilangan komorbiditi yang lebih tinggi dan skor KPS yang jauh lebih rendah (Jadual 1). Di antaraKelas keletihan pagi yang sangat Rendah, kami mendapati tiada perbezaan antara pesakit ({{0}}}.7 ± 1.0) danPenilaian FC ({{0}}}.9 ± 0.9) keletihan pagi semasa pendaftaran. Dalam waktu pagi Rendah dan Tinggikelas keletihan, kami mendapati tiada perbezaan antara pesakit (3.1 ± 1.8) dan FC (3.0 ± 2.0)penilaian keletihan pagi semasa pendaftaran.

Analisis Gen Calon untuk Kelas Keletihan Pagi

Daripada lima SNP yang berbeza dengan ketara antara kelas keletihan dua pagi(Jadual Tambahan 1), dua persatuan dalam satu gen kekal penting dalamanalisis regresi multivariate (iaitu,TNFArs1800629,TNFArs3093662). Bagi kedua-dua SNP,model dominan paling sesuai dengan data (kedua-duanyap = 0.006).

energy cistanche pillls (23)

Analisis Regresi Gen Calon untuk Kelas Keletihan Pagi

Untuk menganggarkan dengan lebih baik magnitud (iaitu, nisbah odds, OR) dan ketepatan (95 peratusselang keyakinan, CI) genotip pada keahlian kelas keletihan pagi, pelbagai pembolehubahmodel regresi logistik sesuai untuk membandingkan kedua-dua kelas. Sebagai tambahan kepada genotip,ciri fenotip yang dimasukkan dalam model adalah umur, skor KPS, dan dilaporkan sendiridan anggaran genomik kaum/etnik (Jadual 2).Dalam analisis regresi untukTNFArs1800629, menjadi heterozigot atau homozigot untukalel A yang jarang berlaku (GG berbanding GA tambah AA) dikaitkan dengan penurunan 52 peratus dalam kemungkinantergolong dalam kumpulan keletihan pagi yang lebih tinggi (Rajah 1A). Dalam analisis regresi untukTNFArs309662, menjadi heterozigot atau homozigot untuk alel G yang jarang berlaku (AA berbanding AGditambah GG) telah dikaitkan dengan peningkatan sebanyak 6.59-kali ganda dalam kemungkinan menjadi milik yang lebih tinggikumpulan keletihan pagi (Rajah 1B).

Perbezaan Fenotip Antara Kelas Keletihan Petang

Berbanding kelas Kepenatan petang Rendah, peserta kelas Sederhana dan Tinggijauh lebih muda, mempunyai skor KPS yang jauh lebih rendah, dan lebih berkemungkinanmempunyai anak yang tinggal di rumah (Jadual 2). Dalam kelas Keletihan petang Rendah, kami mendapati noperbezaan antara penarafan pesakit (1.2 ± 1.2) dan FC (1.2 ± 0.8) keletihan petang padapendaftaran. Begitu juga, kami mendapati tiada perbezaan dalam petang Sederhana dan Tinggikelas keletihan antara penarafan keletihan malam pesakit (4.5 ± 1.8) dan FCs (4.8 ± 1.8) padapendaftaran.

Analisis Gen Calon untuk Kelas Keletihan Petang

Daripada lapan SNP yang berbeza dengan ketara antara dua kelas keletihan petang(Jadual Tambahan 1), satu persatuan dalam setiap dua gen kekal penting dalamanalisis regresi multivariate (iaitu,IL4rs2243248,TNFArs2229094). Bagi kedua-dua SNP, amodel dominan paling sesuai dengan data.

Analisis Regresi Gen Calon untuk Kelas Keletihan Petang

Untuk menganggarkan dengan lebih baik magnitud (iaitu, ATAU) dan ketepatan (95 peratus CI) genotip padakeahlian kelas keletihan petang, pelbagai model regresi logistik berubah-ubah sesuai untukbandingkan dua kelas. Selain genotip, ciri fenotip yang adatermasuk dalam model adalah umur dan anggaran yang dilaporkan sendiri dan genomik kaum/etnik(Jadual 3).Dalam analisis regresi untukIL4rs2243248, menjadi heterozigot atau homozigot untuk yang jarang berlakuAlel G (TT berbanding TG tambah GG) dikaitkan dengan penurunan 70 peratus dalam kemungkinan kepunyaanke kelas keletihan petang yang lebih tinggi (Rajah 2A). Dalam analisis regresi untukTNFArs2229094, menjadi heterozigot atau homozigot untuk alel C yang jarang berlaku (TT berbanding TC tambah CC) adalahdikaitkan dengan peningkatan 3.75-kali ganda dalam kemungkinan tergolong dalam keletihan malam yang lebih tinggikelas (Rajah 2B).

energy cistanche pillls (23)