Assessing the Potential Success of Cystic Fibrosis Carrier Screening: Lessons Learned from Tay-Sachs Disease and β-Thalassemia
Notice bibliographique
Résumé
OBJECTIVE: The objective of this study was to identify factors involved in the success of 2 well-established population-based carrier screening programs - Tay-Sachs disease (TSD) in Ashkenazi Jews and beta-thalassemia in Sardinia and Cyprus - and to assess the potential for success of a population-based cystic fibrosis (CF) carrier screening strategy using these factors. METHODS: We performed a literature review and key informant interviews. RESULTS: Factors involved in the success of TSD and beta-thalassemia carrier screening programs include disease characteristics (well-defined population at risk, severe disease with predictable course, availability of effective treatment), test characteristics (high sensitivity, straightforward interpretation of results), and community characteristics (involvement of community, support of families and advocacy groups, consensus in favor of avoiding affected births). Current CF screening strategies include few of the factors listed above. Unlike TSD and beta-thalassemia, the purpose of current CF carrier screening strategies is informed reproductive decision-making, without an explicit goal of reducing disease incidence. CONCLUSION: When compared to TSD and beta-thalassemia, CF is a less favorable candidate for population-based carrier screening. Because of its different purpose, CF carrier screening will require different measures of success than those used for TSD and beta-thalassemia carrier screening, and a consensus on the value or success of CF carrier screening may be difficult to achieve.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».