A Systematic Review and Critical Assessment of Breast Cancer Risk Prediction Tools Incorporating a Polygenic Risk Score for the General Population
Notice bibliographique
Résumé
Single nucleotide polymorphisms (SNPs) in the form of a polygenic risk score (PRS) have emerged as a promising factor that could improve the predictive performance of breast cancer (BC) risk prediction tools. This study aims to appraise and critically assess the current evidence on these tools. Studies were identified using Medline, EMBASE and the Cochrane Library up to November 2022 and were included if they described the development and/ or validation of a BC risk prediction model using a PRS for women of the general population and if they reported a measure of predictive performance. We identified 37 articles, of which 29 combined genetic and non-genetic risk factors using seven different risk prediction tools. Most models (55.0%) were developed on populations from European ancestry and performed better than those developed on populations from other ancestry groups. Regardless of the number of SNPs in each PRS, models combining a PRS with genetic and non-genetic risk factors generally had better discriminatory accuracy (AUC from 0.52 to 0.77) than those using a PRS alone (AUC from 0.48 to 0.68). The overall risk of bias was considered low in most studies. BC risk prediction tools combining a PRS with genetic and non-genetic risk factors provided better discriminative accuracy than either used alone. Further studies are needed to cross-compare their clinical utility and readiness for implementation in public health practices.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».