A New Comprehensive Colorectal Cancer Risk Prediction Model Incorporating Family History, Personal Characteristics, and Environmental Factors
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
Abstract Purpose: Reducing colorectal cancer incidence and mortality through early detection would improve efficacy if targeted. We developed a colorectal cancer risk prediction model incorporating personal, family, genetic, and environmental risk factors to enhance prevention. Methods: A familial risk profile (FRP) was calculated to summarize individuals' risk based on detailed cancer family history (FH), family structure, probabilities of mutation in major colorectal cancer susceptibility genes, and a polygenic component. We developed risk models, including individuals' FRP or binary colorectal cancer FH, and colorectal cancer risk factors collected at enrollment using population-based colorectal cancer cases (N = 4,445) and controls (N = 3,967) recruited by the Colon Cancer Family Registry Cohort (CCFRC). Model validation used CCFRC follow-up data for population-based (N = 12,052) and clinic-based (N = 5,584) relatives with no cancer history at recruitment to assess model calibration [expected/observed rate ratio (E/O)] and discrimination [area under the receiver-operating-characteristic curve (AUC)]. Results: The E/O [95% confidence interval (CI)] for FRP models for population-based relatives were 1.04 (0.74–1.45) for men and 0.86 (0.64–1.20) for women, and for clinic-based relatives were 1.15 (0.87–1.58) for men and 1.04 (0.76–1.45) for women. The age-adjusted AUCs (95% CI) for FRP models for population-based relatives were 0.69 (0.60–0.78) for men and 0.70 (0.62–0.77) for women, and for clinic-based relatives were 0.77 (0.69–0.84) for men and 0.68 (0.60–0.76) for women. The incremental values of AUC for FRP over FH models for population-based relatives were 0.08 (0.01–0.15) for men and 0.10 (0.04–0.16) for women, and for clinic-based relatives were 0.11 (0.05–0.17) for men and 0.11 (0.06–0.17) for women. Conclusions: Both models calibrated well. The FRP-based model provided better risk stratification and risk discrimination than the FH-based model. Impact: Our findings suggest detailed FH 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.
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 découle