MétaCan
Menu
Retour à la cohorte
Enregistrement W2947916917 · doi:10.1002/ijc.32541

A case–control evaluation of 143 single nucleotide polymorphisms for breast cancer risk stratification with classical factors and mammographic density

2019· article· en· W2947916917 sur OpenAlexfundno aff
Adam R. Brentnall, Elke M. van Veen, Elaine F. Harkness, Sajjad Rafiq, Helen Byers, Susan Astley, Sarah Sampson, Anthony Howell, William G. Newman, Jack Cuzick, D. Gareth Evans

Notice bibliographique

RevueInternational Journal of Cancer · 2019
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueBRCA gene mutations in cancer
Établissements canadiensnon disponible
Organismes subventionnairesManchester Biomedical Research CentreEuropean CommissionNational Cancer InstituteNational Institutes of HealthCancer Research UKBarts CharityCanadian Institutes of Health ResearchNational Institute for Health and Care ResearchBreast Cancer NowAstraZeneca
Mots-clésBreast cancerMAMMOGRAPHIC DENSITYRisk stratificationSingle-nucleotide polymorphismCase-control studyOncologyMammographyMedicineStratification (seeds)Internal medicineGeneticsBiologyCancerGenotypeGene

Résumé

récupéré en direct d'OpenAlex

Panels of single nucleotide polymorphisms (SNPs) stratify risk for breast cancer in women from the general population, but studies are needed assess their use in a fully comprehensive model including classical risk factors, mammographic density and more than 100 SNPs associated with breast cancer. A case-control study was designed (1,668 controls, 405 cases) in women aged 47-73 years attending routine screening in Manchester UK, and enrolled in a wider study to assess methods for risk assessment. Risk from classical questionnaire risk factors was assessed using the Tyrer-Cuzick model; mean percentage visual mammographic density was scored by two independent readers. DNA extracted from saliva was genotyped at selected SNPs using the OncoArray. A predefined polygenic risk score based on 143 SNPs was calculated (SNP143). The odds ratio (OR, and 95% confidence interval, CI) per interquartile range (IQ-OR) of SNP143 was estimated unadjusted and adjusted for Tyrer-Cuzick and breast density. Secondary analysis assessed risk by oestrogen receptor (ER) status. The primary polygenic risk score was well calibrated (O/E OR 1.10, 95% CI 0.86-1.34) and accuracy was retained after adjustment for Tyrer-Cuzick risk and mammographic density (IQ-OR unadjusted 2.12, 95% CI% 1.75-2.42; adjusted 2.06, 95% CI 1.75-2.42). SNP143 was a risk factor for ER+ and ER- breast cancer (adjusted IQ-OR, ER+ 2.11, 95% CI 1.78-2.51; ER- 1.81, 95% CI 1.16-2.84). In conclusion, polygenic risk scores based on a large number of SNPs improve risk stratification in combination with classical risk factors and mammographic density, and SNP143 was similarly predictive for ER-positive and ER-negative disease.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,008
score de la tête « metaresearch » (Gemma)0,010
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,008
Score d'incertitude au seuil0,045

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0080,010
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0010,000
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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.

Tête enseignante Opus0,015
Tête enseignante GPT0,295
Écart entre enseignants0,280 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations64
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of CancerMême sujetBRCA gene mutations in cancerTravaux en français237 207