Using a Family History Questionnaire to Identify Adult Patients with Increased Genetic Risk for Sarcoma
Notice bibliographique
Résumé
BACKGROUND: Sarcomas in adults can be associated with hereditary cancer syndromes characterized by early-onset predisposition to numerous types of cancer. Because of variability in familial presentation and the largely unexplained genetic basis of sarcomas, ascertainment of patients for whom a genetics evaluation is most indicated poses challenges. We assessed the utility of a Sarcoma Clinic Genetic Screening (scgs) questionnaire in facilitating that task. METHODS: Between 2008 and 2012, 169 patients (median age: 53 years; range: 17-88 years) completed a self-administered scgs questionnaire. A retrospective chart review was completed for all respondents, and descriptive statistics were reported. Probands were divided into two groups depending on whether they did or did not report a family history of Li-Fraumeni syndrome-type cancers. RESULTS: A family history of cancer (as far as 3rd-degree relatives) was reported in 113 of 163 sarcoma patients (69%). Eeles Li-Fraumeni-like (lfl) criteria were fulfilled in 46 probands (28%), Chompret lfl in 21 (13%), Birch lfl in 8 (5%), and classic Li-Fraumeni in none. In the 10 probands tested for TP53 mutations, 1 pathogenic mutation was found. Further investigation of selected families led to the discovery of germline mutations in MLH1, MSH2, and APC genes in 3 individuals. CONCLUSIONS: The scgs questionnaire was useful for ascertaining probands with sarcoma who could benefit from a genetic assessment. The tool allowed us to identify high-risk families fitting the criteria for lfl and, surprisingly, other hereditary cancer syndromes. Similar questionnaires could be used in other cancer-specific clinics to increase awareness of the genetic component of these cancers.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».