<em>MC1R</em> variants as melanoma risk factors independent of at-risk phenotypic characteristics: a pooled analysis from the M-SKIP project
Notice bibliographique
Résumé
Purpose: Melanoma represents an important public health problem, due to its high case-fatality rate. Identification of individuals at high risk would be of major interest to improve early diagnosis and ultimately survival. The aim of this study was to evaluate whether MC1R variants predicted melanoma risk independently of at-risk phenotypic characteristics. Materials and methods: Data were collected within an international collaboration – the M-SKIP project. The present pooled analysis included data on 3,830 single, primary, sporadic, cutaneous melanoma cases and 2,619 controls from seven previously published case–control studies. All the studies had information on MC1R gene variants by sequencing analysis and on hair color, skin phototype, and freckles, ie, the phenotypic characteristics used to define the red hair phenotype. Results: The presence of any MC1R variant was associated with melanoma risk independently of phenotypic characteristics (OR 1.60; 95% CI 1.36–1.88). Inclusion of MC1R variants in a risk prediction model increased melanoma predictive accuracy (area under the receiver-operating characteristic curve) by 0.7% over a base clinical model ( P =0.002), and 24% of participants were better assessed (net reclassification index 95% CI 20%–30%). Subgroup analysis suggested a possibly stronger role of MC1R in melanoma prediction for participants without the red hair phenotype (net reclassification index: 28%) compared to paler skinned participants (15%). Conclusion: The authors suggest that measuring the MC1R genotype might result in a benefit for melanoma prediction. The results could be a valid starting point to guide the development of scientific protocols assessing melanoma risk prediction tools incorporating the MC1R genotype. Keywords: pooled analysis, genetic epidemiology, cutaneous melanoma, melanocortin 1 receptor, pigmentation
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 | 0,015 | 0,019 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,004 | 0,014 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».