An Absolute Risk Model to Identify Individuals at Elevated Risk for Pancreatic Cancer in the General Population
Notice bibliographique
Résumé
Purpose We developed an absolute risk model to identify individuals in the general population at elevated risk of pancreatic cancer. Patients and Methods Using data on 3,349 cases and 3,654 controls from the PanScan Consortium, we developed a relative risk model for men and women of European ancestry based on non-genetic and genetic risk factors for pancreatic cancer. We estimated absolute risks based on these relative risks and population incidence rates. Results Our risk model included current smoking (multivariable adjusted odds ratio (OR) and 95% confidence interval: 2.20 [1.84–2.62]), heavy alcohol use (>3 drinks/day) (OR: 1.45 [1.19–1.76]), obesity (body mass index >30 kg/m2) (OR: 1.26 [1.09–1.45]), diabetes >3 years (nested case-control OR: 1.57 [1.13–2.18], case-control OR: 1.80 [1.40–2.32]), family history of pancreatic cancer (OR: 1.60 [1.20–2.12]), non-O ABO genotype (AO vs. OO genotype) (OR: 1.23 [1.10–1.37]) to (BB vs. OO genotype) (OR 1.58 [0.97–2.59]), rs3790844(chr1q32.1) (OR: 1.29 [1.19–1.40]), rs401681(5p15.33) (OR: 1.18 [1.10–1.26]) and rs9543325(13q22.1) (OR: 1.27 [1.18–1.36]). The areas under the ROC curve for risk models including only non-genetic factors, only genetic factors, and both non-genetic and genetic factors were 58%, 57% and 61%, respectively. We estimate that fewer than 3/1,000 U.S. non-Hispanic whites have more than a 5% predicted lifetime absolute risk. Conclusion Although absolute risk modeling using established risk factors may help to identify a group of individuals at higher than average risk of pancreatic cancer, the immediate clinical utility of our model is limited. However, a risk model can increase awareness of the various risk factors for pancreatic cancer, including modifiable behaviors.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 ».