Accuracy of Cancer Family Histories: Comparison of Two Breast Cancer Syndromes
Notice bibliographique
Résumé
Cancer risk programs rely on accurately reported family history information. This study compares the accuracy with which cancer sites and ages at diagnosis are reported by Li-Fraumeni syndrome (LFS) and hereditary breast-ovarian cancer syndrome (HBOCS) families undergoing genetic testing. We analyzed the accuracy of 191 cancer diagnoses among first-degree (FDRs) and second-degree (SDRs) relatives reported by 32 LFS and 52 HBOCS participants in genetic testing programs. Cancer diagnoses of relatives were more accurately reported in the HBOCS cohort (78%) than in the LFS cohort (52%). Almost all breast cancer diagnoses were accurately reported, whereas 74% of ovarian cancer diagnoses and only 55% of other LFS-related cancers were accurately reported. Age at diagnosis was accurate within 5 years for 60% of LFS relatives and 53% of HBOCS relatives. Factors correlating with accurate reporting of cancer history included: being member of BRCA1 family, higher education level, female historian, degree of closeness to affected relative, and having fewer than 5 affected FDRs and SDRs. Relying on verbal histories would not have altered eligibility for genetic testing among HBOCS historians, but fewer than half of LFS historians provided information that would have led to TP53 testing. Our data suggest that it may not be necessary to confirm breast cancer diagnoses routinely; however, documentation of other cancer types remains important for appropriate risk assessment and follow-up.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,008 | 0,057 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,004 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».