Performance of Prediction Models for BRCA Mutation Carriage in Three Racial/Ethnic Groups: Findings from the Northern California Breast Cancer Family Registry
Notice bibliographique
Résumé
PURPOSE: Patients with early-onset breast and/or ovarian cancer frequently wish to know if they inherited a mutation in one of the cancer susceptibility genes, BRCA1 or BRCA2. Accurate carrier prediction models are needed to target costly testing. Two widely used models, BRCAPRO and BOADICEA, were developed using data from non-Hispanic Whites (NHW), but their accuracies have not been evaluated in other racial/ethnic populations. METHODS: We evaluated the BRCAPRO and BOADICEA models in a population-based series of African American, Hispanic, and NHW breast cancer patients tested for BRCA1 and BRCA2 mutations. We assessed model calibration by evaluating observed versus predicted mutations and attribute diagrams, and model discrimination using areas under the receiver operating characteristic curves. RESULTS: Both models were well-calibrated within each racial/ethnic group, with some exceptions. BOADICEA overpredicted mutations in African Americans and older NHWs, and BRCAPRO underpredicted in Hispanics. In all racial/ethnic groups, the models overpredicted in cases whose personal and family histories indicated >80% probability of carriage. The two models showed similar discrimination in each racial/ethnic group, discriminating least well in Hispanics. For example, BRCAPRO's areas under the receiver operating characteristic curves were 83% (95% confidence interval, 63-93%) for NHWs, compared with 74% (59-85%) for African Americans and 58% (45-70%) for Hispanics. CONCLUSIONS: The poor performance of the model for Hispanics may be due to model misspecification in this racial/ethnic group. However, it may also reflect racial/ethnic differences in the distributions of personal and family histories among breast cancer cases in the Northern California population.
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 | 0,001 | 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 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 ».