Prospective evaluation of a breast-cancer risk model integrating classical risk factors and polygenic risk in 15 cohorts from six countries
Notice bibliographique
Résumé
BACKGROUND: Rigorous evaluation of the calibration and discrimination of breast-cancer risk-prediction models in prospective cohorts is critical for applications under clinical guidelines. We comprehensively evaluated an integrated model incorporating classical risk factors and a 313-variant polygenic risk score (PRS) to predict breast-cancer risk. METHODS: Fifteen prospective cohorts from six countries with 239 340 women (7646 incident breast-cancer cases) of European ancestry aged 19-75 years were included. Calibration of 5-year risk was assessed by comparing expected and observed proportions of cases overall and within risk categories. Risk stratification for women of European ancestry aged 50-70 years in those countries was evaluated by the proportion of women and future cases crossing clinically relevant risk thresholds. RESULTS: Among women <50 years old, the median (range) expected-to-observed ratio for the integrated model across 15 cohorts was 0.9 (0.7-1.0) overall and 0.9 (0.7-1.4) at the highest-risk decile; among women ≥50 years old, these were 1.0 (0.7-1.3) and 1.2 (0.7-1.6), respectively. The proportion of women identified above a 3% 5-year risk threshold (used for recommending risk-reducing medications in the USA) ranged from 7.0% in Germany (∼841 000 of 12 million) to 17.7% in the USA (∼5.3 of 30 million). At this threshold, 14.7% of US women were reclassified by adding the PRS to classical risk factors, with identification of 12.2% of additional future cases. CONCLUSION: Integrating a 313-variant PRS with classical risk factors can improve the identification of European-ancestry women at elevated risk who could benefit from targeted risk-reducing strategies under current clinical guidelines.
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 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 | 0,002 | 0,007 |
| 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) | 0,000 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».