Polygenic Risk Score Improves Risk Stratification and Prediction of Subsequent Thyroid Cancer after Childhood Cancer
Notice bibliographique
Résumé
Abstract Background: Subsequent thyroid cancer (STC) is one of the most common malignancies in childhood cancer survivors. We aimed to evaluate the polygenic contributions to STC risk and potential utility in improving risk prediction. Methods: A polygenic risk score (PRS) was calculated from 12 independent SNPs associated with thyroid cancer risk in the general population. Associations between PRS and STC risk were evaluated among survivors from St. Jude Lifetime Cohort (SJLIFE) and were replicated in survivors from Childhood Cancer Survivor Study (CCSS). A risk prediction model integrating the PRS and clinical factors, initially developed in SJLIFE, and its performance were validated in CCSS. Results: Among 2,370 SJLIFE survivors with a median follow-up of 28.8 [interquartile range (IQR) = 21.9–36.1] years, 65 (2.7%) developed STC. Among them, the standardized PRS was associated with an increased rate of STC [relative rate (RR) = 1.57; 95% confidence interval (CI) = 1.24–1.98; P < 0.001]. Similar associations were replicated in 6,416 CCSS survivors, among whom 121 (1.9%) developed STC during median follow-up of 28.9 (IQR = 22.6–34.6) years (RR = 1.52; 95% CI = 1.25–1.83; P < 0.001). A risk prediction model integrating the PRS with clinical factors showed better performance than the model considering only clinical factors in SJLIFE (P = 0.004, AUC = 83.2% vs. 82.1%, at age 40), which was further validated in CCSS (P = 0.010, AUC = 72.9% vs. 70.6%). Conclusions: Integration of the PRS with clinical factors provided a statistically significant improvement in risk prediction of STC, although the magnitude of improvement was modest. Impact: PRS improves risk stratification and prediction of STC, suggesting its potential utility for optimizing screening strategies in survivorship care.
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) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 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) | 0,002 | 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 ».