SOCIO-ETHICAL ISSUES IN PERSONALIZED MEDICINE: A SYSTEMATIC REVIEW OF ENGLISH LANGUAGE HEALTH TECHNOLOGY ASSESSMENTS OF GENE EXPRESSION PROFILING TESTS FOR BREAST CANCER PROGNOSIS
Notice bibliographique
Résumé
OBJECTIVES: There have been multiple calls for explicit integration of ethical, legal, and social issues (ELSI) in health technology assessment (HTA) and addressing ELSI has been highlighted as key in optimizing benefits in the Omics/Personalized Medicine field. This study examines HTAs of an early clinical example of Personalized Medicine (gene expression profile tests [GEP] for breast cancer prognosis) aiming to: (i) identify ELSI; (ii) assess whether ELSIs are implicitly or explicitly addressed; and (iii) report methodology used for ELSI integration. METHODS: A systematic search for HTAs (January 2004 to September 2012), followed by descriptive and qualitative content analysis. RESULTS: Seventeen HTAs for GEP were retrieved. Only three (18%) explicitly presented ELSI, and only one reported methodology. However, all of the HTAs included implicit ELSI. Eight themes of implicit and explicit ELSI were identified. "Classical" ELSI including privacy, informed consent, and concerns about limited patient/clinician genetic literacy were always presented explicitly. Some ELSI, including the need to understand how individual patients' risk tolerances affect clinical decision-making after reception of GEP results, were presented both explicitly and implicitly in HTAs. Others, such as concern about evidentiary deficiencies for clinical utility of GEP tests, occurred only implicitly. CONCLUSIONS: Despite a wide variety of important ELSI raised, these were rarely explicitly addressed in HTAs. Explicit treatment would increase their accessibility to decision-makers, and may augment HTA efficiency maximizing their utility. This is particularly important where complex Personalized Medicine applications are rapidly expanding choices for patients, clinicians and healthcare systems.
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 | 0,047 | 0,208 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,003 | 0,003 |
| Bibliométrie | 0,018 | 0,016 |
| Études des sciences et des technologies | 0,001 | 0,003 |
| Communication savante | 0,004 | 0,006 |
| Science ouverte | 0,002 | 0,004 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,000 |
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 ».