A personalised approach to prostate cancer screening based on genotyping of risk founder alleles
Notice bibliographique
Résumé
BACKGROUND: To evaluate whether genotyping for 18 prostate cancer founder variants is helpful in identifying high-risk individuals and for determining optimal screening regimens. METHODS: A serum PSA level was measured and a digital rectal examination (DRE) was performed on 2907 unaffected men aged 40-90. Three hundred and twenty-three men with an elevated PSA (≥4 ng ml⁻¹) or an abnormal DRE underwent a prostate biopsy. All men were genotyped for three founder alleles in BRCA1 (5382insC, 4153delA and C61G), for four alleles in CHEK2 (1100delC, IVS2+1G>A, del5395 and I157T), for one allele in NBS1 (657del5), for one allele in HOXB13 (G84E), and for nine low-risk single-nucleotide polymorphisms (SNPs). RESULTS: On the basis of an elevated PSA or an abnormal DRE, prostate cancer was diagnosed in 135 of 2907 men (4.6%). In men with a CHEK2 missense mutation I157T, the cancer detection rate among men with an elevated PSA or an abnormal DRE was much higher (10.2%, P=0.0008). The cancer detection rate rose with the number of SNP risk genotypes observed from 1.2% for men with no variant to 8.6% for men who carried six or more variants (P=0.04). No single variant was helpful on its own in predicting the presence of prostate cancer, however, the combination of all rare mutations and SNPs improved predictive power (area under the curve=0.59; P=0.03). CONCLUSION: These results suggest that testing for germline CHEK2 mutations improves the ability to predict the presence of prostate cancer in screened men, however, the clinical utility of incorporating DNA variants in the screening process is marginal.
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 | 0,002 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,002 |
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 ».