Genetic assessment of breast cancer risk in primary care practice
Notice bibliographique
Résumé
Family history is increasingly important in primary care as a means to detect candidates for genetic testing or tailored prevention programs. We evaluated primary care physicians' skills in assessing family history for breast cancer risk, using unannounced standardized patient (SP) visits to 86 general internists and family medicine practitioners in King County, WA. Transcripts of clinical encounters were coded to determine ascertainment of family history, risk assessment, and clinical follow-up. Physicians in our study collected sufficient family history to assess breast cancer risk in 48% of encounters with an anxious patient at moderate risk, 100% of encounters with a patient who had a strong maternal family history of breast cancer, and 45% of encounters with a patient who had a strong paternal family history of breast and ovarian cancer. Increased risk was usually communicated in terms of recommendations for preventive action. Few physicians referred patients to genetic counseling, few associated ovarian cancer with breast cancer risk, and some incorrectly discounted paternal family history of breast cancer. We conclude that pedigree assessment of breast cancer risk is feasible in primary care, but may occur consistently only when a strong maternal family history is present. Primary care education should focus on the link between inherited breast and ovarian cancer risk and on the significance of paternal family history. Educational efforts may be most successful when they emphasize the value of genetic counseling for individuals at risk for inherited cancer and the connection between genetic risk and specific prevention measures.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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 ».