亨特肺-SNP模型:遗传变异加上临床变量,比临床模型更好地评估肺癌风险
Olav Toai Duc Nguyen1,2, Ioannis Fotopoulos3, Therese Haugdahl Nøst4,5
1Department of Clinical Research and Molecular Medicine, Norwegian University of Science and Technology (NTNU), Prinsesse Kristinas gate. 1, Trondheim, NO, 7030, Norway.
将遗传信息添加到HUNT肺癌模型 (HUNT LCM) 显著改善了吸烟者的肺癌 (LC) 风险预测. 新的HUNT Lung-SNP模型为LC查提供了更好的风险分层和检测率.
科学领域:
- 在瘤学瘤学.
- 遗传学 遗传学 是一个
- 流行病学 流行病学
背景情况:
- 亨特肺癌模型 (HUNT LCM) 使用临床变量准确预测吸烟者的6年肺癌风险.
- 在肺癌查中,需要改进风险预测模型的必要性至关重要,特别是对于经常吸烟者.
研究的目的:
- 确定是否结合遗传信息可以提高HUNT LCM的预测性能.
- 开发和验证一个新的多基因肺癌风险模型.
主要方法:
- 一个多基因模型,HUNT Lung-SNP,是使用HUNT2研究 (n=30749) 的临床和基因型数据开发的.
- 该模型包括HUNT LCM变量以及与肺癌相关的22个单核酸多态 (SNP).
- 在特罗姆索研究队列 (n=2663) 中进行了外部验证.
主要成果:
- 与HUNT LCM相比,HUNT Lung-SNP模型在两个验证队伍中显著改善了风险排名.
- 肺癌的检测率在HUNT Lung-SNP模型与HUNT LCM和其他已确定的标准 (NLST,NELSON,USPSTF) 相比显著更好.
- 虽然在HUNT2队列中,曲线下的面积 (AUC) 的改善是显著的,但综合歧视改善指数 (IDI) 在两个队列中都显示出显著的风险分层增强.
结论:
- 亨特肺-SNP模型显示了肺癌查的潜在临床实用性,可能取代现有的标准.
- 建议在不同人群中进行进一步验证和前性试验,以确认其临床影响.
更多相关视频
09:02Pre-Conditioning the Airways of Mice with Bleomycin Increases the Efficiency of Orthotopic Lung Cancer Cell Engraftment
Published on: June 28, 2018
08:14MicroRNA Based Liquid Biopsy: The Experience of the Plasma miRNA Signature Classifier MSC for Lung Cancer Screening
Published on: October 26, 2017
相关概念视频
Single Nucleotide Polymorphisms-SNPs
lncRNA - Long Non-coding RNAs
Cancer Prevention
Some...
Genome-wide Association Studies-GWAS
GWAS does not require the identification of the target gene involved in...
Statistical Methods for Analyzing Epidemiological Data
