MétaCan
Menu
Retour à la cohorte
Enregistrement W4390919204 · doi:10.1158/1055-9965.epi-23-0571

Interaction between Continuous Pack-Years Smoked and Polygenic Risk Score on Lung Cancer Risk: Prospective Results from the Framingham Heart Study

2024· article· en· W4390919204 sur OpenAlexaff
Meredith S. Duncan, Héctor Díaz-Zabala, James Jaworski, Hilary A. Tindle, Robert A. Greevy, Loren Lipworth, Rayjean J. Hung, Matthew S. Freiberg, Melinda C. Aldrich

Notice bibliographique

RevueCancer Epidemiology Biomarkers & Prevention · 2024
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueGenetic Associations and Epidemiology
Établissements canadiensLunenfeld-Tanenbaum Research InstituteUniversity of Toronto
Organismes subventionnairesNational Center for Advancing Translational SciencesU.S. Department of Health and Human ServicesNational Institutes of HealthNational Cancer InstituteNational Heart, Lung, and Blood InstituteVanderbilt University Medical Center
Mots-clésMedicineLung cancerFramingham Risk ScoreFramingham Heart StudyEuropean Prospective Investigation into Cancer and NutritionInternal medicineCancerDemographyProportional hazards modelProspective cohort studyDisease

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Lung cancer risk attributable to smoking is dose dependent, yet few studies examining a polygenic risk score (PRS) by smoking interaction have included comprehensive lifetime pack-years smoked. METHODS: We analyzed data from participants of European ancestry in the Framingham Heart Study Original (n = 454) and Offspring (n = 2,470) cohorts enrolled in 1954 and 1971, respectively, and followed through 2018. We built a PRS for lung cancer using participant genotyping data and genome-wide association study summary statistics from a recent study in the OncoArray Consortium. We used Cox proportional hazards regression models to assess risk and the interaction between pack-years smoked and genetic risk for lung cancer adjusting for European ancestry, age, sex, and education. RESULTS: We observed a significant submultiplicative interaction between pack-years and PRS on lung cancer risk (P = 0.09). Thus, the relative risk associated with each additional 10 pack-years smoked decreased with increasing genetic risk (HR = 1.56 at one SD below mean PRS, HR = 1.48 at mean PRS, and HR = 1.40 at one SD above mean PRS). Similarly, lung cancer risk per SD increase in the PRS was highest among those who had never smoked (HR = 1.55) and decreased with heavier smoking (HR = 1.32 at 30 pack-years). CONCLUSIONS: These results suggest the presence of a submultiplicative interaction between pack-years and genetics on lung cancer risk, consistent with recent findings. Both smoking and genetics were significantly associated with lung cancer risk. IMPACT: These results underscore the contributions of genetics and smoking on lung cancer risk and highlight the negative impact of continued smoking regardless of genetic risk.

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)0,006
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: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,012
Score d'incertitude au seuil0,024

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,006
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,002
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,000
Communication savante0,0010,000
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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.

Tête enseignante Opus0,027
Tête enseignante GPT0,355
Écart entre enseignants0,329 · 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

Citations8
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCancer Epidemiology Biomarkers & PreventionMême sujetGenetic Associations and EpidemiologyTravaux en français237 207