Global Disparities in Breast Cancer Genetics Testing, Counselling and Management
Notice bibliographique
Résumé
Hereditary breast cancers, mainly due to BRCA1 and BRCA2 mutations, account for only 5-10% of this disease. The threshold for genetic testing is a 10% likelihood of detecting a mutation, as determined by validated models such as BOADICEA and Manchester Scoring System. A 90-95% reduction in breast cancer risk can be achieved with bilateral risk-reducing mastectomy in unaffected BRCA mutation carriers. In patients with BRCA-associated breast cancer, there is a 40% risk of contralateral breast cancer and hence risk-reducing contralateral mastectomy is recommended, which can be performed simultaneously with surgery for unilateral breast cancer. Other options for risk management include surveillance by mammogram and breast magnetic resonance imaging, and chemoprevention with hormonal agents. With the advent of next-generation sequencing and development of multigene panel testing, the cost and time taken for genetic testing have reduced, making it possible for treatment-focused genetic testing. There are also drugs such as the PARP inhibitors that specifically target the BRCA mutation. Risk management multidisciplinary clinics are designed to quantify risk, and offer advice on preventative strategies. However, such services are only possible in high-income settings. In low-resource settings, the prohibitive cost of testing and the lack of genetic counsellors are major barriers to setting up a breast cancer genetics service. Family history is often not well documented because of the stigma associated with cancer. Breast cancer genetics services remain an unmet need in low- and middle-income countries, where the priority is to optimise access to quality treatment.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 ».