Breast Cancer Prediction Models Incorporating Time-dependent Variables for High-risk Families

We are interested in estimating the risk of observing breast cancer in families carrying a BRCA1 mutation from the Breast Cancer Family Registry (BCFR). We consider a marginal model for event times that incorporates time-dependent explanatory variables using B-Splines. We model the joint distribution of event times for family members using a Gaussian copula parameterized by a kinship matrix. We develop an iterative algorithm to estimate the parameters of the model in the presence of selection bias due to the data collection protocol. The empirical application illustrates the model's ability to provide individualized risk estimates by taking into account genetic information, individual explanatory variables, and family history.

Translated with DeepL.com (free version)

Modèles de prédiction du cancer du sein intégrant des variables dépendantes du temps pour les familles à haut risque

Nous nous intéressons à l’estimation du risque d’observer le cancer du sein dans les familles porteuses d’une mutation BRCA1 issues du registre familial du cancer du sein (Breast Cancer Family Registry - BCFR). Nous considérons un modèle marginal pour les temps d’évènements qui incorpore des variables explicatives qui dépendent du temps en utilisant des B-Splines. Nous modélisons la distribution conjointe des temps d’évènements des membres d’une famille à l’aide d’une copule Gaussienne paramétrée par une matrice de parenté (kinship). Nous développons un algorithme itératif pour estimer les paramètres du modèle considéré en présence d’un biais de sélection dû au protocole de collecte de données. L’application empirique illustre la capacité du modèle à fournir des estimations de risque individualisées en tenant compte de l’information génétique, des variables explicatives individuelles et de l’histoire familiale.

Session

Progrès en génétique statistique I

Date and Time