Recommendations and proposed guidelines for assessing the cumulative evidence on joint effects of genes and environments on cancer occurrence in humans
Notice bibliographique
Résumé
We propose guidelines to evaluate the cumulative evidence of gene-environment (G × E) interactions in the causation of human cancer. Our approach has its roots in the HuGENet and IARC Monographs evaluation processes for genetic and environmental risk factors, respectively, and can be applied to common chronic diseases other than cancer. We first review issues of definitions of G × E interactions, discovery and modelling methods for G × E interactions, and issues in systematic reviews of evidence for G × E interactions, since these form the foundation for appraising the credibility of evidence in this contentious field. We then propose guidelines that include four steps: (i) score the strength of the evidence for main effects of the (a) environmental exposure and (b) genetic variant; (ii) establish a prior score category and decide on the pattern of interaction to be expected; (iii) score the strength of the evidence for interaction between the environmental exposure and the genetic variant; and (iv) examine the overall plausibility of interaction by combining the prior score and the strength of the evidence and interpret results. We finally apply the scheme to the interaction between NAT2 polymorphism and tobacco smoking in determining bladder cancer risk.
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 | 0,234 | 0,562 |
| Méta-épidémiologie (sens strict) | 0,007 | 0,005 |
| Méta-épidémiologie (sens large) | 0,012 | 0,025 |
| Bibliométrie | 0,032 | 0,022 |
| Études des sciences et des technologies | 0,004 | 0,010 |
| Communication savante | 0,011 | 0,010 |
| Science ouverte | 0,026 | 0,010 |
| Intégrité de la recherche | 0,031 | 0,028 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,009 | 0,006 |
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; l’étiquette directe de Gemma et le classifieur distillé Codex s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».