Five-year absolute risk estimates of colorectal cancer based on CCRAT model and polygenic risk scores: A validation study using the Quebec population-based cohort CARTaGENE
Notice bibliographique
Résumé
The objective was to evaluate the predictive performance of the Colorectal Cancer Risk Assessment Tool (CCRAT) and three polygenic risk scores (Hsu et al., 2015; Law et al., 2019, Archambault et al., 2020) to predict the occurrence of colorectal cancer at five years in a Quebec population-based cohort. By using the CARTaGENE cohort, we computed the absolute risk of colorectal cancer with the CCRAT model, the polygenic risk scores (PRS) and combined clinico-genetic models (CCRAT + PRS). We also tailored the CCRAT model by using the marginal age-specific colorectal incidence rates in Canada and the risk score distribution. We reported the calibration and the discrimination. Performances of the PRSs, combined and tailored CCRAT models were compared to the original CCRAT model. The expected-to-observed ratio of the original CCRAT model was 0.54 [0.43-0.68]. The c-index was 74.79 [68.3-80.5]. The tailored CCRAT model improved the expected-to-observed ratio (0.74 [0.59-0.94]) and c-index (76.39 [69.7-82.1]). All PRS improved the expected-to-observed ratios (around 0.83, confidence intervals including one). PRSs' c-indexes were not significantly different from CCRAT models. Results from the combined models were close to those from the PRS models, Archambault combined model's c-index being significantly higher than the original and tailored CCRAT models (78.67 [70.8-86.5]; p < 0.001 and p = 0.028, respectively). In this Quebec cohort, CCRAT model has a good discrimination with a poor calibration. While the tailored CCRAT provides some gain in calibration, clinico-genetic models improved both calibration and discrimination. However, better calibrations must be obtained before a practical use among the inhabitants of Quebec province.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 ».