MétaCan
Menu
Retour à la cohorte
Enregistrement W2966762477 · doi:10.21037/tgh.2019.07.02

Genetics of gastric cancer: what do we know about the genetic risks?

2019· review· en· W2966762477 sur OpenAlexafffund
Thomas P. Slavin, Jeffrey N. Weitzel, Susan L. Neuhausen, Kasmintan A. Schrader, Carla Oliveíra, Rachid Karam

Notice bibliographique

RevueTranslational Gastroenterology and Hepatology · 2019
Typereview
Langueen
DomaineMedicine
ThématiqueGenetic factors in colorectal cancer
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesEuropean Regional Development FundFundação para a Ciência e a TecnologiaCanadian Institutes of Health ResearchMinistério da Ciência, Tecnologia e InovaçãoNational Cancer InstituteNational Institutes of HealthMichael Smith Health Research BCOxnard FoundationStop Cancer
Mots-clésCancerMedicineGermlineGenetic predispositionDiseaseFamily historyGenetic testingGermline mutationGeneticsBioinformaticsGeneOncologyInternal medicineMutationBiology

Résumé

récupéré en direct d'OpenAlex

An appreciable number of patients with gastric cancer have an underlying hereditary cancer susceptibility syndrome as the cause of their gastric cancer, particularly those with early onset gastric cancer or a family history of gastric or other cancers. Pathogenic germline variants in specific genes account for the known gastric cancer predisposition syndromes. Germline genetic testing can identify individuals and their family members who carry inherited pathogenic gene variants, and thus have increased risk of developing gastric or other cancers. Ideally, germline pathogenic variants can be identified in family members before the onset of disease, when early detection or prevention strategies can be implemented most effectively to decrease gastric cancer- related morbidity and mortality. This article reviews some of the currently known gastric cancer predisposition syndromes and their associated cancer risks. We also discuss current research and advances in the field of genetic gastric cancer susceptibility.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,959
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0020,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,073
Tête enseignante GPT0,360
Écart entre enseignants0,286 · 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 tête enseignante, pas un consensus.

Devis d'étudeSans objet
Domainenon disponible
GenreSynthèse

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

En bref

Citations56
Publié2019
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueTranslational Gastroenterology and HepatologyMême sujetGenetic factors in colorectal cancerTravaux en français237 207