Sirvi Autor "Alver, Maris" järgi

Tulemuste filtreerimiseks trükkige paar esimest tähte
Nüüd näidatakse 1 - 3 3
  • Pisipilt
    listelement.badge.dso-type Kirje ,
  • Pisipilt
    listelement.badge.dso-type Kirje ,
  • Pisipilt
    listelement.badge.dso-type Kirje ,
    Value of genomics for atherosclerotic cardiovascular disease risk prediction
    (2019-05-03) Alver, Maris; Metspalu, Andres, juhendaja; Esko, Tõnu, juhendaja; Tartu Ülikool. Loodus- ja täppisteaduste valdkond
    Fakt, et südame-veresoonkonnahaigused on peamiseks suremuse põhjustajaks maailmas, rõhutab vajadust edendada ja täiustada olemasolevaid haiguse ennetus- ja ennustusstrateegiaid. Südame-veresoonkonnahaiguste riski hindamine põhineb tänases kliinilises praktikas klassikalisi fenotüübilisi riskitegureid arvestavatel riski hindamise mudelitel. Kuigi nimetatud strateegia võimaldab kõrge riskiga indiviide suhteliselt hästi tuvastada, jääb pea kolmandiku riski hinnang ebatäpseks ning ravimääramine ebaselgeks. Lisaks eelnevale peegeldub mudelite piiratud kasutus selles, et riskifaktorite loetlemisega hinnatakse tegelikkuses molekulaarsel tasandil juba toimunud muutusi. Seega leevendatakse praeguse strateegia kasutamisel pigem patoloogia progresseerunud kulgu, kui pärsitakse või ennetatakse molekulaarsete mehhanismide häirumist varases staadiumis. Üheks võimalikuks edasiarenduse meetmeks pakutakse haiguse geneetilise informatsiooni arvestamist. Seda eeskätt seetõttu, et südame-veresoonkonnahaiguste geneetiliste seoste uuringutega on täna jõutud hinnanguteni, millel on potentsiaali muuta oluliselt täpsemaks nii tervete indiviidide varast haigusriski hindamist kui ka haigete kliinilist käsitlust. Selle doktoritöö peamiseks eesmärgiks on anda ülevaade tänastest südame-veresoonkonnahaiguste riski hindamise meetmetest ning sellest, kas ja kuidas geneetilise informatsiooni kaasamine igapäeva kliinilistesse otsustesse neid edendada võiks. Lisaks toon näiteid, kuidas kõrge resolutsiooniga genoomi järjestusandmestik võimaldaks tunnusega seotud põhjuslikke geenivariante täpsemini tuvastada ning kuidas populatsiooni-põhise biopanga andmete kasutamine tõhustaks kõrge riskiga indiviidide kliinilist käsitlust.