MétaCan
Menu
Retour à la cohorte
Enregistrement W4297266350 · doi:10.1136/jmedgenet-2022-108471

Enhancing the BOADICEA cancer risk prediction model to incorporate new data on <i>RAD51C</i> , <i>RAD51D</i> , <i>BARD1</i> updates to tumour pathology and cancer incidence

2022· article· en· W4297266350 sur OpenAlexafffund
Andrew Lee, Nasim Mavaddat, Alex Cunningham, Tim Carver, Lorenzo Ficorella, Stephanie Archer, Fiona M Walter, Marc Tischkowitz, Jonathan Roberts, Juliet A. Usher‐Smith, Jacques Simard, Marjanka K. Schmidt, Peter Devilee, Vesna Zadnik, Hannes Jürgens, Emmanuelle Mouret‐Fourme, Antoine De Pauw, Matti A. Rookus, Thea M. Mooij, Paul D.P. Pharoah, Douglas F. Easton, Antonis C. Antoniou

Notice bibliographique

RevueJournal of Medical Genetics · 2022
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueBRCA gene mutations in cancer
Établissements canadiensUniversité LavalCentre hospitalier de l'Université LavalCentre hospitalier universitaire de Québec
Organismes subventionnairesNIHR Cambridge Biomedical Research CentreEuropean CommissionCancer Research UKGovernment of CanadaFondation du cancer du sein du QuébecCanadian Institutes of Health ResearchNational Institute for Health and Care ResearchGenome Canada
Mots-clésPALB2Breast cancerCHEK2OncologyCancerMedicinePopulationInternal medicineFamily historyIncidence (geometry)BiologyEnvironmental healthGeneticsGeneMutationGermline mutation

Résumé

récupéré en direct d'OpenAlex

Background BOADICEA (Breast and Ovarian Analysis of Disease Incidence and Carrier Estimation Algorithm) for breast cancer and the epithelial tubo-ovarian cancer (EOC) models included in the CanRisk tool ( www.canrisk.org ) provide future cancer risks based on pathogenic variants in cancer-susceptibility genes, polygenic risk scores, breast density, questionnaire-based risk factors and family history. Here, we extend the models to include the effects of pathogenic variants in recently established breast cancer and EOC susceptibility genes, up-to-date age-specific pathology distributions and continuous risk factors. Methods BOADICEA was extended to further incorporate the associations of pathogenic variants in BARD1 , RAD51C and RAD51D with breast cancer risk. The EOC model was extended to include the association of PALB2 pathogenic variants with EOC risk. Age-specific distributions of oestrogen-receptor-negative and triple-negative breast cancer status for pathogenic variant carriers in these genes and CHEK2 and ATM were also incorporated. A novel method to include continuous risk factors was developed, exemplified by including adult height as continuous. Results BARD1 , RAD51C and RAD51D explain 0.31% of the breast cancer polygenic variance. When incorporated into the multifactorial model, 34%–44% of these carriers would be reclassified to the near-population and 15%–22% to the high-risk categories based on the UK National Institute for Health and Care Excellence guidelines. Under the EOC multifactorial model, 62%, 35% and 3% of PALB2 carriers have lifetime EOC risks of &lt;5%, 5%–10% and &gt;10%, respectively. Including height as continuous, increased the breast cancer relative risk variance from 0.002 to 0.010. Conclusions These extensions will allow for better personalised risks for BARD1 , RAD51C , RAD51D and PALB2 pathogenic variant carriers and more informed choices on screening, prevention, risk factor modification or other risk-reducing options.

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)0,002
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,395
Score d'incertitude au seuil0,695

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,001
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 ouverte0,0010,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,024
Tête enseignante GPT0,313
Écart entre enseignants0,289 · 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'étudeSans objet
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

Citations68
Publié2022
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Medical GeneticsMême sujetBRCA gene mutations in cancerTravaux en français237 207