Role of tumour molecular and pathology features to estimate colorectal cancer risk for first-degree relatives
Notice bibliographique
Résumé
OBJECTIVE: To estimate risk of colorectal cancer (CRC) for first-degree relatives of CRC cases based on CRC molecular subtypes and tumour pathology features. DESIGN: We studied a cohort of 33,496 first-degree relatives of 4853 incident invasive CRC cases (probands) who were recruited to the Colon Cancer Family Registry through population cancer registries in the USA, Canada and Australia. We categorised the first-degree relatives into four groups: 28,156 of 4095 mismatch repair (MMR)-proficient probands, 2302 of 301 MMR-deficient non-Lynch syndrome probands, 1799 of 271 suspected Lynch syndrome probands and 1239 of 186 Lynch syndrome probands. We compared CRC risk for first-degree relatives stratified by the absence or presence of specific tumour molecular pathology features in probands across each of these four groups and for all groups combined. RESULTS: Compared with first-degree relatives of MMR-proficient CRC cases, a higher risk of CRC was estimated for first-degree relatives of CRC cases with suspected Lynch syndrome (HR 2.06, 95% CI 1.59 to 2.67) and with Lynch syndrome (HR 5.37, 95% CI 4.16 to 6.94), but not with MMR-deficient non-Lynch syndrome (HR 1.04, 95% CI 0.82 to 1.31). A greater risk of CRC was estimated for first-degree relatives if CRC cases were diagnosed before age 50 years, had proximal colon cancer or if their tumours had any of the following: expanding tumour margin, peritumoral lymphocytes, tumour-infiltrating lymphocytes or synchronous CRC. CONCLUSIONS: Molecular pathology features are potentially useful to refine screening recommendations for first-degree relatives of CRC cases and to identify which cases are more likely to be caused by genetic or other familial factors.
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 | 0,000 | 0,001 |
| 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 ».