Patients’ Perceptions of Gene Expression Profiling in Breast Cancer Treatment Decisions
Notice bibliographique
Résumé
INTRODUCTION: Determining the likely benefit of adjuvant chemotherapy for early-stage breast cancer patients depends on estimating baseline recurrence risk. Gene expression profile (gep) testing of tumours informs risk prediction, but evidence of its clinical utility is limited. We explored patient perceptions of gep testing and the impact of those perceptions on chemotherapy decisions. METHODS: We conducted one focus group (n = 4) and individual interviews (n = 24) with patients who used gep testing, recruited through clinics at two hospitals in Ontario. Data were analyzed using content analysis and constant comparison techniques. RESULTS: Patients' understanding of gep testing was variable, and misapprehensions were common. Patients valued the test because it provided them with certainty amidst confusion, with options and a sense of empowerment, and with personalized, authoritative information. They commonly believed that the test was better and fundamentally different from other clinical tests, attributing to it unique power and truth-value. This kind of "magical thinking" was derived from an amplified perception of the test's validity and patients' need for reassurance about their treatment choices. Despite misperceptions or magical thinking, gep was widely considered to be the deciding factor in treatment decisions. CONCLUSIONS: Patients tend to overestimate the truth-value of gep testing based on misperceptions of its validity. Our results identify a need to better support patient understanding of the test and its limitations. Findings illustrate the deep emotional investment patients make in gep test results and the impact of that investment on their treatment decisions.
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 | 0,000 | 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 ».