MétaCan
Menu
Retour à la cohorte
Enregistrement W4318025048 · doi:10.1002/ijc.34444

A risk prediction model for head and neck cancers incorporating lifestyle factors, <scp>HPV</scp> serology and genetic markers

2023· article· en· W4318025048 sur OpenAlexafffund
Sanjeev Budhathoki, Brenda Diergaarde, Geoffrey Liu, Andrew F. Olshan, Tim Waterboer, Shama Virani, Patricia V. Basta, Noemi Bender, Nicole Brenner, Tom Dudding, D. Neil Hayes, Andrew Hope, Shao Hui Huang, Katrina Hueniken, Beatriz Kanterewicz, James McKay, Miranda Pring, Steve Thomas, Kathy Wisniewski, Sera Thomas, Yonathan Brhane, Antonio Agudo, Laia Alemany, Areti Lagiou, Luigi Barzan, Cristina Canova, David I. Conway, Claire M. Healy, Ivana Holcátová, Παγώνα Λάγιου, Gary J. Macfarlane, Tatiana V. Macfarlane, Jerry Polesel, Lorenzo Richiardi, Max Robinson, Ariana Znaor, Paul Brennan, Rayjean J. Hung

Notice bibliographique

RevueInternational Journal of Cancer · 2023
Typearticle
Langueen
DomaineMedicine
ThématiqueHead and Neck Cancer Studies
Établissements canadiensUniversity Health NetworkPrincess Margaret Cancer CentrePublic Health OntarioUniversity of TorontoLunenfeld-Tanenbaum Research Institute
Organismes subventionnairesNational Institute of Dental and Craniofacial ResearchProgramme Grants for Applied ResearchMedical Research CouncilNational Cancer InstituteCanadian Cancer Society Research InstituteNational Institutes of HealthCancer Research UKNational Institute for Health and Care ResearchPrincess Margaret Hospital FoundationUniversität BremenUniversity of PittsburghWorld Health Organization
Mots-clésMedicineSerostatusSerologyInternal medicineOncologyHead and neck cancerCancerRisk factorCohortFramingham Risk ScoreConfidence intervalImmunologyAntibodyDiseaseHuman immunodeficiency virus (HIV)Viral load

Résumé

récupéré en direct d'OpenAlex

Head and neck cancer is often diagnosed late and prognosis for most head and neck cancer patients remains poor. To aid early detection, we developed a risk prediction model based on demographic and lifestyle risk factors, human papillomavirus (HPV) serological markers and genetic markers. A total of 10 126 head and neck cancer cases and 5254 controls from five North American and European studies were included. HPV serostatus was determined by antibodies for HPV16 early oncoproteins (E6, E7) and regulatory early proteins (E1, E2, E4). The data were split into a training set (70%) for model development and a hold-out testing set (30%) for model performance evaluation, including discriminative ability and calibration. The risk models including demographic, lifestyle risk factors and polygenic risk score showed a reasonable predictive accuracy for head and neck cancer overall. A risk model that also included HPV serology showed substantially improved predictive accuracy for oropharyngeal cancer (AUC = 0.94, 95% CI = 0.92-0.95 in men and AUC = 0.92, 95% CI = 0.88-0.95 in women). The 5-year absolute risk estimates showed distinct trajectories by risk factor profiles. Based on the UK Biobank cohort, the risks of developing oropharyngeal cancer among 60 years old and HPV16 seropositive in the next 5 years ranged from 5.8% to 14.9% with an average of 8.1% for men, 1.3% to 4.4% with an average of 2.2% for women. Absolute risk was generally higher among individuals with heavy smoking, heavy drinking, HPV seropositivity and those with higher polygenic risk score. These risk models may be helpful for identifying people at high risk of developing head and neck cancer.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,004
score de la tête « metaresearch » (Gemma)0,005
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,030
Score d'incertitude au seuil0,059

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,005
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,002
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

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 Opus0,026
Tête enseignante GPT0,328
Écart entre enseignants0,302 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
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

Citations15
Publié2023
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueInternational Journal of CancerMême sujetHead and Neck Cancer StudiesTravaux en français237 207