Evaluating the performance of the BOADICEA model in predicting 10-year breast cancer risks in UK Biobank.
Notice bibliographique
Résumé
BACKGROUND: The BOADICEA model predicts breast cancer risk using cancer family history, epidemiological and genetic data. We evaluated its validity in a large prospective cohort. METHODS: We assessed model calibration, discrimination and risk classification ability in 217,885 women (6,838 incident breast cancers) aged 40-70 years old of self-reported White ethnicity with no previous cancer from the UK Biobank. Age-specific risk classification was assessed using relative risk (RR) thresholds equivalent to the absolute lifetime risk categories of < 17%, 17-30% and ≥30%, recommended by the National Institute for Health and Care Excellence guidelines. We predicted 10-year risks using BOADICEA v.6 considering cancer family history, questionnaire-based risk factors, a 313-SNP polygenic score and pathogenic variants. Mammographic density data were not available. RESULTS: The PRS was the most discriminative risk factor (AUC=0.65). Discrimination was highest when considering all risk factors (AUC=0.66). The model was well calibrated overall (E/O=0.99, 95%CI=0.97-1.02; calibration slope=0.99, 95%CI:0.99-1.00), and in deciles of predicted risks. Discrimination was similar in women younger and older than 50 years. There was some underprediction in women under age 50 (E/O=0.89, 95%CI=0.84-0.94; calibration slope=0.96, 95%CI:0.94-0.97), which was explained by the higher breast cancer incidence in UK Biobank than the UK population incidence in this age group. The model classified 87.2%, 11.4% and 1.4% of women in RR categories <1.6, 1.6-3.1 and ≥3.1, identifying 25.6% of incident breast cancer cases in category RR ≥ 1.6. CONCLUSION: BOADICEA, implemented in CanRisk (www.canrisk.org), provides valid 10-year breast cancer risk which can facilitate risk-stratified screening and personalized breast cancer risk management.
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 | 0,023 | 0,057 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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.
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 ».