Implementing Multifactorial Risk Assessment with Polygenic Risk Scores for Personalized Breast Cancer Screening in the Population Setting: Challenges and Opportunities
Notice bibliographique
Résumé
Risk-stratified breast screening has been proposed as a strategy to overcome the limitations of age-based screening. A prospective cohort study was undertaken within the PERSPECTIVE I&I project, which will generate the first Canadian evidence on multifactorial breast cancer risk assessment in the population setting to inform the implementation of risk-stratified screening. Recruited females aged 40–69 unaffected by breast cancer, with a previous mammogram, underwent multifactorial breast cancer risk assessment. The adoption of multifactorial risk assessment, the effectiveness of methods for collecting risk factor information and the costs of risk assessment were examined. Associations between participant characteristics and study sites, as well as data collection methods, were assessed using logistic regression; all p-values are two-sided. Of the 4246 participants recruited, 88.4% completed a risk assessment, with 79.8%, 15.7% and 4.4% estimated at average, higher than average and high risk, respectively. The total per-participant cost for risk assessment was CAD 315. Participants who chose to provide risk factor information on paper/telephone (27.2%) vs. online were more likely to be older (p = 0.021), not born in Canada (p = 0.043), visible minorities (p = 0.01) and have a lower attained education (p < 0.0001) and perceived fair/poor health (p < 0.001). The 34.4% of participants requiring risk factor verification for missing/unusual values were more likely to be visible minorities (p = 0.009) and have a lower attained education (p ≤ 0.006). This study demonstrates the feasibility of risk assessment for risk-stratified screening at the population level. Implementation should incorporate an equity lens to ensure cancer-screening disparities are not widened.
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 | 0,126 | 0,157 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,005 | 0,004 |
| Science ouverte | 0,003 | 0,004 |
| Intégrité de la recherche | 0,002 | 0,003 |
| 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 ».