Combined clinical and genetic risk prediction of central nervous system subsequent neoplasms (CNS SNs) in childhood cancer survivors (CCS): A report from the COG ALTE03N1 study.
Notice bibliographique
Résumé
10511 Background: CCS are at a 10-fold increased risk of CNS SNs. Cranial radiation (CRT) for primary cancer increases the risk; dose-risk relation with CRT is linear. The substantial burden of CNS SN-related morbidity presents an unmet need for identifying high-risk patients to guide targeted interventions. We present a risk prediction model to address this gap. Methods: CCS with CNS SNs (cases: n=82) matched to CCS without CNS SNs (controls: n=228; matched on primary cancer diagnosis (dx), year of dx, race/ethnicity and follow-up), contributed germline DNA for genotyping 43 previously published candidate genes (97 SNPs). Risk prediction models were derived sequentially: Base Model (age at primary cancer dx, gender), Clinical Model (Base Model + CRT [Y/No]), Final Model (Clinical Model + SNPs). Receiver operating characteristic analysis was used to evaluate predictive utility of Final Model in assessing CNS SN risk. Two risk groups were derived using predicted values (high risk: ≥0.1; low risk: <0.1). Results: Median age at primary cancer dx was 3.5y (cases) and 5.0y (controls); time to CNS SNs was 13.2y; 91.5% of cases and 39.5% of controls had received CRT (p<0.001). Clinical Model (area under curve [AUC] = 0.82, 95%CI: 0.8-0.9) performed better than Base Model (AUC = 0.58, 95%CI, 0.5-0.7, p=0.001). Final Model performed best when five SNPs involved in DNA repair (forward stepwise selection: rs1805389 [LIG4], rs15869 [BRCA2], rs8079544 [TP53], rs498872 [PHLDB1], rs1673041 [POLD1]) were included (AUC = 0.86, 95%CI, 0.8-0.9, p = 0.04; reference: Clinical Model). Using high vs. low risk group as risk classifier, the accuracy of the prediction model was 91.7%, with a sensitivity of 96.3% and specificity of 57%. Similar observations emerged in analyses stratified by CNS SN type (meningioma [n=46]/ glioma [n=28]) and analyses restricted to CCS with CRT. Conclusions: We have developed a combined clinical and genetic risk prediction model that accurately identifies CCS at high and low risk of CNS SNs. This model, when validated externally, could serve as a useful risk classifier to assess the risk of CNS SNs when CRT is being considered.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 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) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».