MétaCan
Menu
Retour à la cohorte
Enregistrement W3189112222 · doi:10.1002/cncr.33679

Genetic risk assessment for hereditary renal cell carcinoma: Clinical consensus statement

2021· article· en· W3189112222 sur OpenAlexaff
Gennady Bratslavsky, Neil Mendhiratta, Michael Daneshvar, James Brugarolas, Mark W. Ball, Adam R. Metwalli, Katherine L. Nathanson, Phillip M. Pierorazio, Ronald S. Boris, Eric A. Singer, Maria I. Carlo, Mary B. Daly, Elizabeth P. Henske, Colette Hyatt, Lindsay Middleton, Gloria J. Morris, Anhyo Jeong, Vivek Narayan, W. Kimryn Rathmell, Ulka N. Vaishampayan, Bruce H. Lee, Dena Battle, Michael J. Hall, Khaled Hafez, Michael A.S. Jewett, Christina Karamboulas, Sumanta K. Pal, A. Ari Hakimi, Alexander Kutikov, Othon Iliopoulos, W. Marston Linehan, Eric Jonasch, Ramaprasad Srinivasan, Brian Shuch

Notice bibliographique

RevueCancer · 2021
Typearticle
Langueen
DomaineMedicine
ThématiqueRenal cell carcinoma treatment
Établissements canadiensPrincess Margaret Cancer Centre
Organismes subventionnairesNational Center for Advancing Translational SciencesNational Cancer Institute
Mots-clésMedicineGenetic testingGenetic counselingConsensus conferenceFamily medicineDelphi methodRisk assessmentLynch syndromeCancerInternal medicineGenetics

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Although renal cell carcinoma (RCC) is believed to have a strong hereditary component, there is a paucity of published guidelines for genetic risk assessment. A panel of experts was convened to gauge current opinions. METHODS: A North American multidisciplinary panel with expertise in hereditary RCC, including urologists, medical oncologists, clinical geneticists, genetic counselors, and patient advocates, was convened. Before the summit, a modified Delphi methodology was used to generate, review, and curate a set of consensus questions regarding RCC genetic risk assessment. Uniform consensus was defined as ≥85% agreement on particular questions. RESULTS: Thirty-three panelists, including urologists (n = 13), medical oncologists (n = 12), genetic counselors and clinical geneticists (n = 6), and patient advocates (n = 2), reviewed 53 curated consensus questions. Uniform consensus was achieved on 30 statements in specific areas that addressed for whom, what, when, and how genetic testing should be performed. Topics of consensus included the family history criteria, which should trigger further assessment, the need for risk assessment in those with bilateral or multifocal disease and/or specific histology, the utility of multigene panel testing, and acceptance of clinician-based counseling and testing by those who have experience with hereditary RCC. CONCLUSIONS: In the first ever consensus panel on RCC genetic risk assessment, 30 consensus statements were reached. Areas that require further research and discussion were also identified, with a second future meeting planned. This consensus statement may provide further guidance for clinicians when considering RCC genetic risk assessment. LAY SUMMARY: The contribution of germline genetics to the development of renal cell carcinoma (RCC) has long been recognized. However, there is a paucity of guidelines to define how and when genetic risk assessment should be performed for patients with known or suspected hereditary RCC. Without guidelines, clinicians struggle to define who requires further evaluation, when risk assessment or testing should be done, which genes should be considered, and how counseling and/or testing should be performed. To this end, a multidisciplinary panel of national experts was convened to gauge current opinion on genetic risk assessment in RCC and to enumerate a set of recommendations to guide clinicians when evaluating individuals with suspected hereditary kidney cancer.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,091
Score d'incertitude au seuil0,742

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,059
Tête enseignante GPT0,377
Écart entre enseignants0,318 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations46
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCancerMême sujetRenal cell carcinoma treatmentTravaux en français237 207