MétaCan
Menu
← Retour à la cohorte
Enregistrement W4391873534 · doi:10.1093/jcag/gwad061.164

A164 OPTIMIZING A PROVINCIAL SCREENING PROGRAM FOR DETECTION OF LYNCH SYNDROME

2024· article· en· W4391873534 sur OpenAlexaffabout
R Winter, Yujie Liu, James Stone, Heidi Rothenmund, B.N. Chodirker, C Kim, Julianne Klein, Harminder Singh

Notice bibliographique

RevueJournal of the Canadian Association of Gastroenterology · 2024
Typearticle
Langueen
DomaineMedicine
ThématiqueGenetic factors in colorectal cancer
Établissements canadiensUniversity of Manitoba
Organismes subventionnairesnon disponible
Mots-clésLynch syndromeComputer scienceMedicineInternal medicineCancer

Résumé

récupéré en direct d'OpenAlex

Abstract Background Up to 30% of those with colorectal cancer (CRC) have an affected family member. Lynch syndrome (LS) is the most common inherited condition predisposing patients to CRC. LS is an autosomal dominant condition associated with microsatellite instability (MSI) and mutations in DNA mismatch repair (MMR) genes, and screening CRC cases ≤ age 70 can identify LS in a cost-effective manner. Manitoba launched Canada's first provincial reflex screening program for all CRC cases diagnosed ≤ age 70 using MMR immunohistochemistry (MMR-IHC) in 2017. Our prior 2022 study evaluating the program showed compliance rates of 89.4% for MMR-IHC reflex testing and a 75.8% overall referral rate of screen-positive cases to genetics. However, only 50% were referred directly by pathologists. Several modifications have since been implemented to enhance the program. These included providing feedback to pathologists, creating an “additional testing comment section” on synoptic pathology reports, and regular review of the pathology reports by a pathology assistant. Information materials were developed to encourage genetic testing among relatives. Aims Assess whether modifications to Manitoba’s universal screening protocol improved LS patient outcomes and determine any remaining factors to optimize. We specifically aimed to identify current compliance rates for MMR-IHC testing, the overall referral rate of screen-positive cases to genetics, uptake of genetic referrals and genetic testing as well as rate of cascade testing among relatives. Methods Data has been obtained by searching the provincial pathology database for “adenocarcinoma” in the colorectal specimen pathology reports. All specimens from 2022 and Q1/Q2 of 2023 were reviewed, meeting the criteria of: a) specimen from colon biopsy/excision containing the term “adenocarcinoma”, b) patient age ≤70 years, and c) missing MMR centralized by the IT/Pathology department. Additionally, a random sample of cases categorized as “MMR performed” will be audited. We are in the process of reviewing genetic referrals, genetic uptake and the frequency of reminders triggered to each pathologist. Results Currently, a total of 1,308 colonic adenocarcinoma specimens (811 from 2022, 497 for 2023) have been reviewed. Appropriate MMR testing was missed in only 1.5% of cases (13/811 =1.6% missed in 2022, 7/497= 1.4% missed in 2023). Conclusions Current MMR testing rates for colonic adenocarcinoma specimens within the Manitoba LS screening program have reached a current compliance rate of 98.5%, a substantial improvement from the prior audit (89.4% previously). Further data collection and analysis is ongoing and will also be presented. The reported rates of compliance are the highest that have been reported from any jurisdiction. This study highlights the sustained efforts required to improve detection of LS. Funding Agencies None

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)0,005
score de la tête « metaresearch » (Gemma)0,020
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 enseignants0,766
Score d'incertitude au seuil0,470

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0050,020
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0020,002
Études des sciences et des technologies0,0030,000
Communication savante0,0010,001
Science ouverte0,0020,002
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0050,001

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 Opus0,011
Tête enseignante GPT0,260
Écart entre enseignants0,249 · 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

Citations0
Publié2024
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of the Canadian Association of Gastroenterology→Même sujetGenetic factors in colorectal cancer→Travaux en français237 207→