Breast Cancer Polygenic-Risk Score Influence on Risk-Reducing Endocrine Therapy Use: Genetic Risk Estimate (GENRE) Trial 1-Year and 2-Year Follow-Up
Notice bibliographique
Résumé
Refinement of breast cancer risk estimates with a polygenic-risk score (PRS) may improve uptake of risk-reducing endocrine therapy (ET). A previous clinical trial assessed the influence of adding a PRS to traditional risk estimates on ET use. We stratified participants according to PRS-refined breast cancer risk and evaluated ET use and ET-related quality of life (QOL) at 1-year (previously reported) and 2-year follow-ups. Of 151 participants, 58 (38.4%) initiated ET, and 22 (14.6%) discontinued ET by 2 years; 42 (27.8%) and 36 (23.8%) participants were using ET at 1- and 2-year follow-ups, respectively. At the 2-year follow-up, 39% of participants with a lifetime breast cancer risk of 40.1% to 100.0%, 18% with a 20.1% to 40.0% risk, and 16% with a 0.0% to 20.0% risk were taking ET (overall P = 0.01). Moreover, 40% of participants whose breast cancer risk increased by 10% or greater with addition of the PRS to a traditional breast cancer-risk model were taking ET versus 0% whose risk decreased by 10% or greater (P = 0.004). QOL was similar for participants taking or not taking ET at 1- and 2-year follow-ups, although most who discontinued ET did so because of adverse effects. However, these QOL results may have been skewed by the long interval between QOL surveys and lack of baseline QOL data. PRS-informed breast cancer prevention counseling has a lasting, but waning, effect over time. Additional follow-up studies are needed to address the effect of PRS on ET adherence, ET-related QOL, supplemental breast cancer screening, and other risk-reducing behaviors. PREVENTION RELEVANCE: Risk-reducing medications for breast cancer are considerably underused. Informing women at risk with precise and individualized risk assessment tools may substantially affect the incidence of breast cancer. In our study, a risk assessment tool (IBIS-polygenic-risk score) yielded promising results, with 39% of women at highest risk starting preventive medication.
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 | 0,004 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».