Lessons learnt from the clinico-genomic profiling of families with Li Fraumeni syndrome at a tertiary care centre in North India
Notice bibliographique
Résumé
Li Fraumeni syndrome (LFS) is an inherited cancer predisposition syndrome due to TP53 gene mutation. There is sparse literature on LFS in the Indian population. We conducted a retrospective study of patients diagnosed with LFS and their family members, registered at our Medical Oncology Department between September 2015 and 2022. 9 LFS families consisted of 29 patients diagnosed currently or historically with malignancies including 9 index cases and 20 first or second-degree relatives. Of these 29 patients, 7 (24.1%) patients developed their first malignancy before the age of 18 years, 15 (51.7%) were diagnosed between 18and and 60 years, and 7 (24.1%) were diagnosed at age more than 60 years. A total of 31 cancers occurred among the families, including 2 index cases who had metachronous malignancies. Each family had a median of three cancers (range 2-5); sarcoma (n = 12, 38.7% of total cancers) and breast cancer (n = 6, 19.3% of total cancers) being the commonest malignancies. Germline TP53 mutations were documented among 11 patients with cancers and 6 asymptomatic carriers. Of these nine mutations, the most common types were missense (n = 6, 66.6%) and nonsense (n = 2, 22.2%), and the commonest aberration was replacement of arginine with histidine (n = 4, 44.4%). Eight (88.8%) families met either classical or Chompret's diagnostic criteria and two (22.2%) satisfied both. Two (22.2%) families fit the diagnostic criteria prior to onset of malignancy in the index cases but were untested till the index cases presented to us. Four mutation carriers from three families are undergoing screening as per the Toronto protocol. No new malignancies have been detected so far during the mean surveillance duration of 14 months.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».