Validation of a Genetic-Enhanced Risk Prediction Model for Colorectal Cancer in a Large Community-Based Cohort
Notice bibliographique
Résumé
BACKGROUND: Polygenic risk scores (PRS) which summarize individuals' genetic risk profile may enhance targeted colorectal cancer screening. A critical step towards clinical implementation is rigorous external validations in large community-based cohorts. This study externally validated a PRS-enhanced colorectal cancer risk model comprising 140 known colorectal cancer loci to provide a comprehensive assessment on prediction performance. METHODS: The model was developed using 20,338 individuals and externally validated in a community-based cohort (n = 85,221). We validated predicted 5-year absolute colorectal cancer risk, including calibration using expected-to-observed case ratios (E/O) and calibration plots, and discriminatory accuracy using time-dependent AUC. The PRS-related improvement in AUC, sensitivity and specificity were assessed in individuals of age 45 to 74 years (screening-eligible age group) and 40 to 49 years with no endoscopy history (younger-age group). RESULTS: In European-ancestral individuals, the predicted 5-year risk calibrated well [E/O = 1.01; 95% confidence interval (CI), 0.91-1.13] and had high discriminatory accuracy (AUC = 0.73; 95% CI, 0.71-0.76). Adding the PRS to a model with age, sex, family and endoscopy history improved the 5-year AUC by 0.06 (P < 0.001) and 0.14 (P = 0.05) in the screening-eligible age and younger-age groups, respectively. Using a risk-threshold of 5-year SEER colorectal cancer incidence rate at age 50 years, adding the PRS had a similar sensitivity but improved the specificity by 11% (P < 0.001) in the screening-eligible age group. In the younger-age group it improved the sensitivity by 27% (P = 0.04) with similar specificity. CONCLUSIONS: The proposed PRS-enhanced model provides a well-calibrated 5-year colorectal cancer risk prediction and improves discriminatory accuracy in the external cohort. IMPACT: The proposed model has potential utility in risk-stratified colorectal cancer prevention.
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 | 0,013 | 0,018 |
| 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 | 0,001 | 0,001 |
| 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 ».