Pediatric Cancer Predisposition and Surveillance: An Overview, and a Tribute to Alfred G. Knudson Jr
Notice bibliographique
Résumé
The prevalence of childhood cancer attributable to genetic predisposition was generally considered very low. However, recent reports suggest that at least 10% of pediatric cancer patients harbor a germline mutation in a cancer predisposition gene. Although some of these children will have a family history suggestive of a cancer predisposition syndrome, many others will not. Evidence from recent pediatric studies suggests that surveillance and early detection of cancer in individuals carrying a germline cancer predisposing mutation may result in improved outcomes. However, there is a lack of consistency in the design of cancer surveillance regimens across centers both nationally and internationally. To standardize approaches, the Pediatric Cancer Working Group of the American Association for Cancer Research (AACR) convened a workshop, during which consensus screening recommendations for children with the most common cancer predisposition syndromes were developed. In general, we considered a 5% or greater chance of developing a childhood cancer to be a reasonable threshold to recommend screening. Conditions for which the cancer risk was between 1% to 5% were addressed individually. In a series of manuscripts accompanying this article, we provide recommendations for surveillance, focusing on when to initiate and/or discontinue specific screening measures, which modalities to use, and the frequency of screening. Points of controversy are also reviewed. We present the outcome of our deliberations on consensus screening recommendations for specific disorders in 18 position articles as Open Access publications, which are freely available on an AACR-managed website.
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 | 0,012 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,004 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,003 |
| 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 ».