MétaCan
Menu
Retour à la cohorte
Enregistrement W2066833606 · doi:10.1001/jama.296.12.1479

Prediction of Germline Mutations and Cancer Risk in the Lynch Syndrome

2006· article· en· W2066833606 sur OpenAlexaffabout
Sining Chen, Wenyi Wang, Shing Yip Lee, Khédoudja Nafa, Johanna Lee, Kathy Romans, Patrice Watson, Stephen B. Gruber, David Euhus, Kenneth W. Kinzler, Jeremy R. Jass, Steven Gallinger, Noralane M. Lindor, Graham Casey, Nathan A. Ellis, Francis M. Giardiello, Kenneth Offit, Giovanni Parmigiani, for the Colon Cancer Family Registry

Notice bibliographique

RevueJAMA · 2006
Typearticle
Langueen
DomaineMedicine
ThématiqueGenetic factors in colorectal cancer
Établissements canadiensUniversity of TorontoMcGill University
Organismes subventionnairesNational Cancer InstituteSidney Kimmel Comprehensive Cancer CenterJohns Hopkins University
Mots-clésLynch syndromeMedicineMSH6Microsatellite instabilityGermline mutationGenetic counselingPenetranceEndometrial cancerMLH1MSH2ConcordanceGenetic testingColorectal cancerFamily historyOncologyConfidence intervalInternal medicineMutationCancerDNA mismatch repairGeneticsMicrosatelliteBiologyGene

Résumé

récupéré en direct d'OpenAlex

CONTEXT: Identifying families at high risk for the Lynch syndrome (ie, hereditary nonpolyposis colorectal cancer) is critical for both genetic counseling and cancer prevention. Current clinical guidelines are effective but limited by applicability and cost. OBJECTIVE: To develop and validate a genetic counseling and risk prediction tool that estimates the probability of carrying a deleterious mutation in mismatch repair genes MLH1, MSH2, or MSH6 and the probability of developing colorectal or endometrial cancer. DESIGN, SETTING, AND PATIENTS: External validation of the MMRpro model was conducted on 279 individuals from 226 clinic-based families in the United States, Canada, and Australia (referred between 1993-2005) by comparing model predictions with results of highly sensitive germline mutation detection techniques. MMRpro models the autosomal dominant inheritance of mismatch repair mutations, with parameters based on meta-analyses of the penetrance and prevalence of mutations and of the predictive values of tumor characteristics. The model's prediction is tailored to each individual's detailed family history information on colorectal and endometrial cancer and to tumor characteristics including microsatellite instability. MAIN OUTCOME MEASURE: Ability of MMRpro to correctly predict mutation carrier status, as measured by operating characteristics, calibration, and overall accuracy. RESULTS: In the independent validation, MMRpro provided a concordance index of 0.83 (95% confidence interval, 0.78-0.88) and a ratio of observed to predicted cases of 0.94 (95% confidence interval, 0.84-1.05). This results in higher accuracy than existing alternatives and current clinical guidelines. CONCLUSIONS: MMRpro is a broadly applicable, accurate prediction model that can contribute to current screening and genetic counseling practices in a high-risk population. It is more sensitive and more specific than existing clinical guidelines for identifying individuals who may benefit from MMR germline testing. It is applicable to individuals for whom tumor samples are not available and to individuals in whom germline testing finds no mutation.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,007
score de la tête « metaresearch » (Gemma)0,022
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,009
Score d'incertitude au seuil0,037

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0070,022
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0010,000
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,016
Tête enseignante GPT0,265
Écart entre enseignants0,250 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations386
Publié2006
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJAMAMême sujetGenetic factors in colorectal cancerTravaux en français237 207