Prospective validation of the BOADICEA multifactorial breast cancer risk prediction model in a large prospective cohort study
Notice bibliographique
Résumé
Background The multifactorial Breast and Ovarian Analysis of Disease Incidence and Carrier Estimation Algorithm (BOADICEA) breast cancer risk prediction model has been recently extended to consider all established breast cancer risk factors. We assessed the clinical validity of the model in a large independent prospective cohort. Methods We validated BOADICEA (V.6) in the Swedish KARolinska Mammography Project for Risk Prediction of Breast Cancer (KARMA) cohort including 66 415 women of European ancestry (median age 54 years, IQR 45–63; 816 incident breast cancers) without previous cancer diagnosis. We calculated 5-year risks on the basis of questionnaire-based risk factors, pedigree-structured first-degree family history, mammographic density (BI-RADS), a validated breast cancer polygenic risk score (PRS) based on 313-SNPs, and pathogenic variant status in 8 breast cancer susceptibility genes: BRCA1, BRCA2, PALB2, CHEK2, ATM, RAD51C, RAD51D and BARD1. Calibration was assessed by comparing observed and expected risks in deciles of predicted risk and the calibration slope. The discriminatory ability was assessed using the area under the curve (AUC). Results Among the individual model components, the PRS contributed most to breast cancer risk stratification. BOADICEA was well calibrated in predicting the risks for low-risk and high-risk women when all, or subsets of risk factors are included in the risk prediction. Discrimination was maximised when all risk factors are considered (AUC=0.70, 95% CI: 0.66 to 0.73; expected-to-observed ratio=0.88, 95% CI: 0.75 to 1.04; calibration slope=0.97, 95% CI: 0.95 to 0.99). The full multifactorial model classified 3.6% women as high risk (5-year risk ≥3%) and 11.1% as very low risk (5-year risk <0.33%). Conclusion The multifactorial BOADICEA model provides valid breast cancer risk predictions and a basis for personalised decision-making on disease prevention and screening.
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 | 0,033 | 0,038 |
| 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 | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».