Skin cancer risk in hereditary mixed cancer syndromes
Notice bibliographique
Résumé
Hereditary cancer syndromes are genetic conditions that increase an individual's risk for multiple cancer types, often due to mutations that affect critical cellular processes such as DNA repair and cell cycle regulation. Skin cancers, including malignant melanoma (MM), basal cell carcinoma (BCC), squamous cell carcinoma (SCC), and related precancerous lesions may be underrecognized in some hereditary cancer syndromes, as suggested by underlying biological mechanisms and their underreporting in studies. In this narrative review, we examine the skin cancer risks associated with the most prevalent hereditary cancer syndromes, including Li-Fraumeni syndrome (LFS), Lynch syndrome (LS), hereditary breast and ovarian cancer syndrome (HBOC), ATM-associated hereditary cancer syndrome, CHEK2-associated hereditary cancer syndrome, BRIP1-associated cancer predisposition, and hereditary leiomyomatosis and renal cell carcinoma (HLRCC). This review consolidates existing evidence and suggests that mixed cancer syndromes, especially LFS, LS, and HBOC but also pathogenic ATM and CHEK2 variants may predispose individuals to skin cancers, warranting tailored screening and preventive measures. On the basis of emerging evidence, we recommend dermatologic evaluation and individualized UV protection strategies for patients with reviewed hereditary cancer syndromes to reduce skin cancer risk and enhance early detection.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| 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) | 0,002 | 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 ».