Accuracy of Cancer Family Histories: Comparison of Two Breast Cancer Syndromes
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
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.
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 | 0,000 |
| 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 découle