Prostate cancer risk prediction using a polygenic risk score
Notice bibliographique
Résumé
Hereditary factors have a strong influence on prostate cancer (PC) risk and poorer outcomes, thus stratification by genetic factors addresses a critical need for targeted PC screening and risk-adapted follow-up. In this Finnish population-based retrospective study 2283 clinically diagnosed and 455 screen-detected patients from the Finnish Randomised Study of Screening for Prostate Cancer (FinRSPC), 2400 healthy individuals have been involved. Individual genetic risk through establishment of a polygenic risk score based on 55 PC risk SNPs identified through the Finnish subset of the Collaborative Oncological Gene-Environment Study was assessed. Men with PC had significantly higher median polygenic risk score compared to the controls (6.59 vs. 3.83, P < 0.0001). The polygenic risk score above the control median was a significant predictor of PC (OR 2.13, 95% CI 1.90-2.39). The polygenic risk score predicted the risk of PC with an AUC of 0.618 (95% CI 0.60-0.63). Men in the highest polygenic risk score quartile were 2.8-fold (95% CI 2.4-3.30) more likely to develop PC compared with men in the lowest quartile. In the FinRSPC cohort, a significantly higher percentage of men had a PSA level of ≥ 4 ng/mL in polygenic risk score quartile four compared to quartile one (18.7% vs 8.3%, P < 0.00001). Adding the PRS to a PSA-only model contributed additional information in predicting PC in the FinRSPC model. Results strongly suggest that use of the polygenic risk score would facilitate the identification of men at increased risk for PC.
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 | 0,001 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 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 ».