A new colorectal cancer risk prediction model incorporating family history, personal and environmental factors
Notice bibliographique
Résumé
Abstract Purpose Reducing colorectal cancer (CRC) incidence and mortality through early detection would improve efficacy if targeted. A CRC risk-prediction model incorporating personal, family, genetic and environmental risk factors could enhance prediction. Methods We developed risk-prediction models using population-based CRC cases (N=4,445) and controls (N=3,967) recruited by the Colon Cancer Family Registry Cohort (CCFRC). A familial risk profile (FRP) was calculated to summarize individuals’ risk based on their CRC family history, family structure, germline mutation probability in major susceptibility genes, and a polygenic component. Using logistic regression, we developed risk models including individuals’ FRP or a binary CRC family-history (FH), and risk factors collected at recruitment. Model validation used follow-up data for population-(N=12,052) and clinic-based (N=5,584) relatives with no cancer history at recruitment, assessing calibration (E/O) and discrimination (AUC). Results The E/O (95% confidence interval [CI]) for FRP models for population-based relatives were 1.04 (0.74-1.45) and 0.86 (0.64-1.20) for men and women, and for clinic-based relatives 1.15 (0.87-1.58) and 1.04 (0.76-1.45). The age-adjusted AUC (95% CI) for FRP models in population-based relatives were 0.69 (0.60-0.78) and 0.70 (0.62-0.77), and for clinic-based relatives 0.77 (0.69-0.84) and 0.68 (0.60-0.76). The incremental values of AUC (95% CI) for FRP over FH models for population-based relatives were 0.08 (0.01-0.15) and 0.10 (0.04-0.16), and for clinic-based relatives 0.11 (0.05-0.17) and 0.11 (0.06-0.17). Conclusion The FRP-based model and FH-based model calibrate well in both settings. The FRP-based model provided better risk-prediction and discrimination than the FH-based model. A detailed family history may be useful for targeted risk-based screening and clinical management.
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 | 0,003 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| 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 ».