Accuracy of Risk Estimates from the iPrevent Breast Cancer Risk Assessment and Management Tool
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
BACKGROUND: iPrevent is an online breast cancer (BC) risk management decision support tool. It uses an internal switching algorithm, based on a woman's risk factor data, to estimate her absolute BC risk using either the International Breast Cancer Intervention Study (IBIS) version 7.02, or Breast and Ovarian Analysis of Disease Incidence and Carrier Estimation Algorithm version 3 models, and then provides tailored risk management information. This study assessed the accuracy of the 10-year risk estimates using prospective data. METHODS: iPrevent-assigned 10-year invasive BC risk was calculated for 15 732 women aged 20-70 years and without BC at recruitment to the Prospective Family Study Cohort. Calibration, the ratio of the expected (E) number of BCs to the observed (O) number and discriminatory accuracy were assessed. RESULTS: -mutation carriers and noncarriers, E/O was 1.04 (95% CI = 0.93 to 1.16), 1.24 (95% CI = 1.11 to 1.39), 1.13 (95% CI = 0.96 to 1.34), and 1.13 (95% CI = 1.04 to 1.24), respectively. The C-statistic was 0.70 (95% CI = 0.68 to 0.73) overall and 0.74 (95% CI = 0.71 to 0.77), 0.63 (95% CI = 0.59 to 0.66), 0.59 (95% CI = 0.53 to 0.64), and 0.65 (95% CI = 0.63 to 0.68), respectively, for the subgroups above. Applying the newer IBIS version 8.0b in the iPrevent switching algorithm improved calibration overall (E/O = 1.06, 95% CI = 0.98 to 1.15) and in all subgroups, without changing discriminatory accuracy. CONCLUSIONS: For 10-year BC risk, iPrevent had good discriminatory accuracy overall and was well calibrated for women aged younger than 50 years. Calibration may be improved in the future by incorporating IBIS version 8.0b.
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.
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) | 0,000 | 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) | 0,001 | 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 découle