The hundred person wellness project and Google’s baseline study: medical revolution or unnecessary and potentially harmful over-testing?
Notice bibliographique
Résumé
The Hundred Person Wellness Project is an ambitious pilot undertaking, which aims to intensely monitor 100 individuals over 10 months. Patients with abnormal findings will be treated, in hopes that this early intervention will avoid, or delay, symptomatic disease. Google's "Baseline Study" is of similar scope and will enroll 10,000 people over 2 to 3 years. I here speculate that these approaches will likely not be effective in preventing disease, but instead, lead to unnecessary and potentially harmful interventions. Examples from the cancer screening experience over the last 30 years are provided, which show that intensive testing may uncover indolent disease or incidental findings which, when treated, may cause more harm than good. Additional examples show that aggressive treatments for cancer and other diseases do not always lead to better patient outcomes. I conclude that the recent advances in omics provide us with unprecedented opportunities for high content clinical testing, but such testing should be used with caution to avoid the harmful consequences of over-diagnosis and over-treatment. Despite the detailed rebuttals by Hood and colleagues in another commentary in BMC Medicine, time will show the actual benefits and harms of these ambitious initiatives.
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 | 0,052 | 0,223 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,003 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,006 | 0,020 |
| Communication savante | 0,007 | 0,016 |
| Science ouverte | 0,008 | 0,006 |
| Intégrité de la recherche | 0,063 | 0,068 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,003 |
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 ».