Performance characteristics of brief family history questionnaire to screen for Lynch syndrome in women with newly diagnosed ovarian cancers.
Notice bibliographique
Résumé
e22525 Background: Ovarian cancer (OC) is the third most common Lynch syndrome (LS)-associated cancer in women but there is no established screening strategy to identify LS in this population. An adequate family history may identify patients suspected of LS, prompting a referral to genetic assessment. We have previously validated the 4-item brief Family History Questionnaire (bFHQ) in endometrial cancers. The objective of this study was to assess whether bFHQ can be used as a screening tool to identify women with OC at risk of LS. Methods: Prospective cohort study recruited women with newly diagnosed non-serous/non-mucinous OC from three cancer centers in Ontario, Canada. Participants completed bHFQ, extended Family History Questionnaire (eFHQ; encompassing Amsterdam II criteria, Society of Gynecologic Oncology 20-25% criteria and Ontario Ministry of Health criteria), immunohistochemistry (IHC) for mismatch repair (MMR) proteins and universal germline testing for LS. The performance characteristics were compared between bFHQ, eFHQ, and IHC. Results: Of 215 participants, 169 (79%) were evaluable with both bFHQ and germline mutation status; 12 of these 169 were confirmed to have LS (7%). Nine of 12 patients (75%) with LS were correctly identified by bFHQ, compared to 6 of 11 (55%) by eFHQ and 11 of 13 (85%) by IHC. The sensitivity, specificity, positive predictive values and negative predictive values of bFHQ were 75%, 66%, 15% and 98%, compared to 55%, 92%, 35% and 96% for eFHQ and 85%, 90%, 39% and 99% for IHC respectively. IHC was the most sensitive and specific approach. The 4-item bFHQ was more sensitive than eFHQ and took less than 10 minutes for each patient to complete. Conclusions: Patient-administered bFHQ may serve as an adequate screening tool to triage women with OC for further genetic assessment for LS, especially in centers without access to universal tumor testing for IHC for MMR.[Table: see text]
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 | 0,002 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| 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) | 0,002 | 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 ».