Breast cancer risk assessment: Evaluation of screening tools for genetics referral
Notice bibliographique
Résumé
BACKGROUND AND PURPOSE: The United States Preventative Services Task Force (USPSTF) recommends breast cancer risk-screening tools to help primary care providers determine which unaffected patients to refer to genetic specialists. The USPSTF does not recommend one tool above others. The purpose of this study was to compare tool performance in identifying women at risk for breast cancer. METHODS: Pedigrees of 85 women aged 40-74 years with first-degree female relative with breast cancer were evaluated using five tools: Family History Screen-7 (FHS-7), Pedigree Assessment Tool, Manchester Scoring System, Referral Screening Tool, and Ontario Family History Assessment Tool (Ontario-FHAT). Sensitivity, specificity, positive predictive value (PPV), and negative predictive value (NPV) were calculated to describe each tool's ability to identify women with elevated risk as defined by Claus Model calculations (lifetime risk ≥15%). Receiver operating curves were plotted. Differences between areas under the curve were estimated and compared through logistic regression to assess for differences in tool performance. CONCLUSIONS: Claus calculations identified 14 of 85 women with elevated risk. Two tools, Ontario-FHAT and FHS-7, identified all women with elevated risk (sensitivity 100%). The FHS-7 tool flagged all participants (specificity 0%). The Ontario-FHAT flagged 59 participants as needing referral (specificity 36.2%) and had a NPV of 100%. Area under the curve values were not significantly different between tools (all p values > .05), and thus were not helpful in discriminating between the tools. IMPLICATIONS FOR PRACTICE: The Ontario-FHAT outperformed other tools in sensitivity and NPV; however, low specificity and PPV must be balanced against these findings. Thus, the Ontario-FHAT can help determine which women would benefit from referral to genetics specialists.
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 | 0,002 | 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 ».