在英国生物银行的综合性胰腺癌风险预测模型
Te-Min Ke1, Artitaya Lophatananon1, Kenneth R Muir1
1Division of Population Health, Health Services Research and Primary Care, School of Health Sciences, Faculty of Biology, Medicine and Health, The University of Manchester, Manchester M13 9PT, UK.
Biomedicines
|December 23, 2023
概括
我们使用生活方式,遗传和病史数据开发了一种综合胰腺癌 (PaCa) 风险预测模型. 该模型有效地识别高风险个体,帮助针对性预防胰腺癌的策略.
科学领域:
- 在瘤学瘤学.
- 流行病学 流行病学
- 遗传学 遗传学 是一个
背景情况:
- 胰腺癌 (PaCa) 是一种高度致命的恶性瘤,发病率不断上升.
- 现有的PaCa预测模型缺乏全面性,并且并非来自大型前性队列.
- 由于PaCa的预后不佳,早期预防策略至关重要.
研究的目的:
- 开发胰腺癌 (PaCa) 综合风险预测模型.
- 将生活方式,遗传和病史变量纳入全面的PaCa风险评估.
- 为了使其在医疗保健机构中适用于有针对性的预防.
主要方法:
- 利用来自英国生物银行的数据进行模型开发.
- 采用机器学习 (随机森林) 和多变量后勤回归.
- 为可视化PaCa风险概率开发了动态名图.
主要成果:
- 后勤回归模型在良好的内部验证和校准下实现了0.78的AUC.
- 确定的主要风险因素包括年龄,多基因风险评分 (PRS),胰腺炎,糖尿病 (DM) 和吸烟.
- 其他显著的预测因素是男性性别,非O型血型,酒精消耗和胆囊疾病.
结论:
- 开发的整合性PaCa风险预测模型,结合PRS,有效地根据未来风险对个人进行分层.
- 这种模式支持有针对性的预防工作和基于社区的癌症预防计划.
- 这些发现强调了整合不同类型的数据对于可靠的癌症风险预测的重要性.
