BackgroundData for front-line health-care workers and risk of COVID-19 are limited. We sought to assess risk of COVID-19 among front-line health-care workers compared with the general community and the effect of personal protective equipment (PPE) on risk.MethodsWe did a prospective, observational cohort study in the UK and the USA of the general community, including front-line health-care workers, using self-reported data from the COVID Symptom Study smartphone application (app) from March 24 (UK) and March 29 (USA) to April 23, 2020. Participants were voluntary users of the app and at first use provided information on demographic factors (including age, sex, race or ethnic background, height and weight, and occupation) and medical history, and subsequently reported any COVID-19 symptoms. We used Cox proportional hazards modelling to estimate multivariate-adjusted hazard ratios (HRs) of our primary outcome, which was a positive COVID-19 test. The COVID Symptom Study app is registered with ClinicalTrials.gov, NCT04331509.FindingsAmong 2 035 395 community individuals and 99 795 front-line health-care workers, we recorded 5545 incident reports of a positive COVID-19 test over 34 435 272 person-days. Compared with the general community, front-line health-care workers were at increased risk for reporting a positive COVID-19 test (adjusted HR 11·61, 95% CI 10·93–12·33). To account for differences in testing frequency between front-line health-care workers and the general community and possible selection bias, an inverse probability-weighted model was used to adjust for the likelihood of receiving a COVID-19 test (adjusted HR 3·40, 95% CI 3·37–3·43). Secondary and post-hoc analyses suggested adequacy of PPE, clinical setting, and ethnic background were also important factors.InterpretationIn the UK and the USA, risk of reporting a positive test for COVID-19 was increased among front-line health-care workers. Health-care systems should ensure adequate availability of PPE and develop additional strategies to protect health-care workers from COVID-19, particularly those from Black, Asian, and minority ethnic backgrounds. Additional follow-up of these observational findings is needed.FundingZoe Global, Wellcome Trust, Engineering and Physical Sciences Research Council, National Institutes of Health Research, UK Research and Innovation, Alzheimer's Society, National Institutes of Health, National Institute for Occupational Safety and Health, and Massachusetts Consortium on Pathogen Readiness.

Stratification of women according to their risk of breast cancer based on polygenic risk scores (PRSs) could improve screening and prevention strategies. Our aim was to develop PRSs, optimized for prediction of estrogen receptor (ER)-specific disease, from the largest available genome-wide association dataset and to empirically validate the PRSs in prospective studies. The development dataset comprised 94,075 case subjects and 75,017 control subjects of European ancestry from 69 studies, divided into training and validation sets. Samples were genotyped using genome-wide arrays, and single-nucleotide polymorphisms (SNPs) were selected by stepwise regression or lasso penalized regression. The best performing PRSs were validated in an independent test set comprising 11,428 case subjects and 18,323 control subjects from 10 prospective studies and 190,040 women from UK Biobank (3,215 incident breast cancers). For the best PRSs (313 SNPs), the odds ratio for overall disease per 1 standard deviation in ten prospective studies was 1.61 (95%CI: 1.57–1.65) with area under receiver-operator curve (AUC) = 0.630 (95%CI: 0.628–0.651). The lifetime risk of overall breast cancer in the top centile of the PRSs was 32.6%. Compared with women in the middle quintile, those in the highest 1% of risk had 4.37- and 2.78-fold risks, and those in the lowest 1% of risk had 0.16- and 0.27-fold risks, of developing ER-positive and ER-negative disease, respectively. Goodness-of-fit tests indicated that this PRS was well calibrated and predicts disease risk accurately in the tails of the distribution. This PRS is a powerful and reliable predictor of breast cancer risk that may improve breast cancer prevention programs. Stratification of women according to their risk of breast cancer based on polygenic risk scores (PRSs) could improve screening and prevention strategies. Our aim was to develop PRSs, optimized for prediction of estrogen receptor (ER)-specific disease, from the largest available genome-wide association dataset and to empirically validate the PRSs in prospective studies. The development dataset comprised 94,075 case subjects and 75,017 control subjects of European ancestry from 69 studies, divided into training and validation sets. Samples were genotyped using genome-wide arrays, and single-nucleotide polymorphisms (SNPs) were selected by stepwise regression or lasso penalized regression. The best performing PRSs were validated in an independent test set comprising 11,428 case subjects and 18,323 control subjects from 10 prospective studies and 190,040 women from UK Biobank (3,215 incident breast cancers). For the best PRSs (313 SNPs), the odds ratio for overall disease per 1 standard deviation in ten prospective studies was 1.61 (95%CI: 1.57–1.65) with area under receiver-operator curve (AUC) = 0.630 (95%CI: 0.628–0.651). The lifetime risk of overall breast cancer in the top centile of the PRSs was 32.6%. Compared with women in the middle quintile, those in the highest 1% of risk had 4.37- and 2.78-fold risks, and those in the lowest 1% of risk had 0.16- and 0.27-fold risks, of developing ER-positive and ER-negative disease, respectively. Goodness-of-fit tests indicated that this PRS was well calibrated and predicts disease risk accurately in the tails of the distribution. This PRS is a powerful and reliable predictor of breast cancer risk that may improve breast cancer prevention programs.

Genome-wide association studies (GWAS) and fine-mapping efforts to date have identified more than 100 prostate cancer (PrCa)-susceptibility loci. We meta-analyzed genotype data from a custom high-density array of 46,939 PrCa cases and 27,910 controls of European ancestry with previously genotyped data of 32,255 PrCa cases and 33,202 controls of European ancestry. Our analysis identified 62 novel loci associated (P < 5.0 × 10−8) with PrCa and one locus significantly associated with early-onset PrCa (≤55 years). Our findings include missense variants rs1800057 (odds ratio (OR) = 1.16; P = 8.2 × 10−9; G>C, p.Pro1054Arg) in ATM and rs2066827 (OR = 1.06; P = 2.3 × 10−9; T>G, p.Val109Gly) in CDKN1B. The combination of all loci captured 28.4% of the PrCa familial relative risk, and a polygenic risk score conferred an elevated PrCa risk for men in the ninetieth to ninety-ninth percentiles (relative risk = 2.69; 95% confidence interval (CI): 2.55–2.82) and first percentile (relative risk = 5.71; 95% CI: 5.04–6.48) risk stratum compared with the population average. These findings improve risk prediction, enhance fine-mapping, and provide insight into the underlying biology of PrCa1. A large meta-analysis combining genome-wide and custom high-density genotyping array data identifies 63 new susceptibility loci for prostate cancer, enhancing fine-mapping efforts and providing insights into the underlying biology.

Luis Pérez-Jurado, Stephen Chanock and colleagues detect clonal chromosomal abnormalities in peripheral blood or buccal samples from individuals in the general population. They show that the frequency of such events increases with age and is associated with elevated risk of developing subsequent hematological cancers. In an analysis of 31,717 cancer cases and 26,136 cancer-free controls from 13 genome-wide association studies, we observed large chromosomal abnormalities in a subset of clones in DNA obtained from blood or buccal samples. We observed mosaic abnormalities, either aneuploidy or copy-neutral loss of heterozygosity, of >2 Mb in size in autosomes of 517 individuals (0.89%), with abnormal cell proportions of between 7% and 95%. In cancer-free individuals, frequency increased with age, from 0.23% under 50 years to 1.91% between 75 and 79 years (P = 4.8 × 10−8). Mosaic abnormalities were more frequent in individuals with solid tumors (0.97% versus 0.74% in cancer-free individuals; odds ratio (OR) = 1.25; P = 0.016), with stronger association with cases who had DNA collected before diagnosis or treatment (OR = 1.45; P = 0.0005). Detectable mosaicism was also more common in individuals for whom DNA was collected at least 1 year before diagnosis with leukemia compared to cancer-free individuals (OR = 35.4; P = 3.8 × 10−11). These findings underscore the time-dependent nature of somatic events in the etiology of cancer and potentially other late-onset diseases.

Mobile symptom tracking The rapidity with which severe acute respiratory syndrome coronavirus 2 (SARS-CoV-2) spreads through a population is defying attempts at tracking it, and quantitative polymerase chain reaction testing so far has been too slow for real-time epidemiology. Taking advantage of existing longitudinal health care and research patient cohorts, Drew et al. pushed software updates to participants to encourage reporting of potential coronavirus disease 2019 (COVID-19) symptoms. The authors recruited about 2 million users (including health care workers) to the COVID Symptom Study (previously known as the COVID Symptom Tracker) from across the United Kingdom and the United States. The prevalence of combinations of symptoms (three or more), including fatigue and cough, followed by diarrhea, fever, and/or anosmia, was predictive of a positive test verification for SARS-CoV-2. As exemplified by data from Wales, United Kingdom, mathematical modeling predicted geographical hotspots of incidence 5 to 7 days in advance of official public health reports. Science , this issue p. 1362

Importance One in 3 US adults uses multivitamins (MV), with a primary motivation being disease prevention. In 2022, the US Preventive Services Task Force reviewed data on MV supplementation and mortality from randomized clinical trials and found insufficient evidence for determining benefits or harms owing, in part, to limited follow-up time and external validity. Objective To estimate the association of MV use with mortality risk, accounting for confounding by healthy lifestyle and reverse causation whereby individuals in poor health initiate MV use. Design, Setting, and Participants This cohort study used data from 3 prospective cohort studies in the US, each with baseline MV use (assessed from 1993 to 2001), and follow-up MV use (assessed from 1998 to 2004), extended duration of follow-up up to 27 years, and extensive characterization of potential confounders. Participants were adults, without a history of cancer or other chronic diseases, who participated in National Institutes of Health–AARP Diet and Health Study (327 732 participants); Prostate, Lung, Colorectal, and Ovarian Cancer Screening Trial (42 732 participants); or Agricultural Health Study (19 660 participants). Data were analyzed from June 2022 to April 2024. Exposure Self-reported MV use. Main Outcomes and Measures The main outcome was mortality. Cox proportional hazard models were used to estimate hazard ratios (HRs) and 95% CIs. Results Among 390 124 participants (median [IQR] age, 61.5 [56.7-66.0] years; 216 202 [55.4%] male), 164 762 deaths occurred during follow-up; 159 692 participants (40.9%) were never smokers, and 157 319 participants (40.3%) were college educated. Among daily MV users, 49.3% and 42.0% were female and college educated, compared with 39.3% and 37.9% among nonusers, respectively. In contrast, 11.0% of daily users, compared with 13.0% of nonusers, were current smokers. MV use was not associated with lower all-cause mortality risk in the first (multivariable-adjusted HR, 1.04; 95% CI, 1.02-1.07) or second (multivariable-adjusted HR, 1.04; 95% CI, 0.99-1.08) halves of follow-up. HRs were similar for major causes of death and time-varying analyses. Conclusions and Relevance In this cohort study of US adults, MV use was not associated with a mortality benefit. Still, many US adults report using MV to maintain or improve health.

With advances in the early detection and treatment of cancer, the incidence of multiple primary cancers (MPC) or second primary cancers has increased over time. Characterization of etiologic risk factors, including family history of cancer, within the general population is critical for assessing MPC risk in patients. We examined the association between family history of cancer among first-degree relatives and MPC risk in a prospective study of 139,958 participants from the Prostate, Lung, Colorectal, and Ovarian Cancer Screening Trial. Cox proportional hazard models were used to calculate HRs and 95% confidence intervals (95% CI), adjusting for potential confounders. Over a median follow-up of 16 years (IQR: 11-19 years), 6,170 participants were diagnosed with MPC. Having a family history of cancer increased the risk of MPC by 18% (HR, 1.18; 95% CI, 1.12-1.24). A positive linear trend was observed between the reported number of cancers in the family history and MPC risk with HRs (95% CI) of 1.13 (1.07-1.20), 1.23 (1.14-1.33), 1.29 (1.15-1.45), and 1.42 (1.20-1.70) for one, two, three, and four or more cancers among first-degree relatives, respectively (Ptrend = 2.36 × 10-13). No significant differences were observed by cancer histology or specific cancer types reported in the family history. Our study demonstrates that the family history of cancer is an important risk factor for the development of MPCs and that a comprehensive assessment of the number of cancers reported among first-degree relatives may identify those at higher risk who may benefit from targeted cancer prevention and screening strategies. Prevention Relevance: Our study makes a substantial contribution to the understanding of risk factors for MPCs in the general population. It demonstrates that individuals with a strong family history of cancer are at higher risk for MPCs and may benefit from more targeted cancer prevention and screening interventions.

Abstract Background Copy number variants (CNVs) are pervasive in the human genome but potential disease associations with rare CNVs have not been comprehensively assessed in large datasets. We analysed rare CNVs in genes and non-coding regions for 86,788 breast cancer cases and 76,122 controls of European ancestry with genome-wide array data. Results Gene burden tests detected the strongest association for deletions in BRCA1 (P= 3.7E-18). Nine other genes were associated with a p-value < 0.01 including known susceptibility genes CHEK2 (P= 0.0008), ATM (P= 0.002) and BRCA2 (P= 0.008). Outside the known genes we detected associations with p-values < 0.001 for either overall or subtype-specific breast cancer at nine deletion regions and four duplication regions. Three of the deletion regions were in established common susceptibility loci. Conclusions This is the first genome-wide analysis of rare CNVs in a large breast cancer case-control dataset. We detected associations with exonic deletions in established breast cancer susceptibility genes. We also detected suggestive associations with non-coding CNVs in known and novel loci with large effects sizes. Larger sample sizes will be required to reach robust levels of statistical significance.

Pancreatic cancer (PC) is a complex disease in which both non-genetic and genetic factors interplay. To-date, 40 GWAS hits have been associated with PC risk in individuals of European descent, explaining 4.1% of the phenotypic variance. Here, we complemented a classical new PC GWAS (1D) with spatial autocorrelation analysis (2D) and Hi-C maps (3D) to gain additional insight into the inherited basis of PC. In-silico functional analysis of public genomic information allowed prioritization of potentially relevant candidate variants. We replicated 17/40 previous PC-GWAS hits and identified novel variants with potential biological functions. The spatial autocorrelation approach prioritized low MAF variants not detected by GWAS. These were further expanded via 3D interactions to 54 target regions with high functional relevance. This multi-step strategy, combined with an in-depth in-silico functional analysis, offers a comprehensive approach to advance the study of PC genetic susceptibility and could be applied to other diseases.