MétaCan
Menu
Retour à la cohorte
Enregistrement W2027716496 · doi:10.1111/j.1399-0004.2010.01614.x

Adoption and the communication of genetic risk: experiences in Huntington disease

2010· article· en· W2027716496 sur OpenAlexafffund
Yvonne Bombard, Alicia Semaka, Michael R. Hayden

Notice bibliographique

RevueClinical Genetics · 2010
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueBRCA gene mutations in cancer
Établissements canadiensUniversity of TorontoUniversity of British Columbia
Organismes subventionnairesCanadian Institutes of Health Research
Mots-clésContext (archaeology)Genetic testingPsychosocialPredictive testingDiseaseGenetic counselingPsychologyFamily historyMedicineFamily medicineDevelopmental psychologyClinical psychologyPsychiatryGeneticsBiologyPathologySurgeryInternal medicine

Résumé

récupéré en direct d'OpenAlex

Adoption agencies can use genetic information to determine the eligibility of prospective adoptive parents and to establish a child's suitability for adoption. We describe experiences and implications of communicating genetic risk for Huntington disease (HD) in the context of adoption. A secondary analysis was employed using data collected from a cross-sectional survey (n = 233) and two qualitative studies on the psychosocial effects of predictive testing for HD. We demonstrate several ethical and practical challenges in the search for and communication of genetic information for adoptees and their birth relatives. We also found that concern for adoption discrimination was reported by 13.7% of survey respondents (n = 32). Concerns were higher among tested respondents than those who had not been tested (n = 29 vs n = 3, p = 0.010). However, more respondents were concerned about being discriminated based on their family history (FHx) vs their genetic test results (GTR) (concern based on FHx: n = 18 vs based on GTR: n = 1 vs based on both: n =10). These findings contribute to the limited empirical literature by offering evidence on the experiences and implications of communicating genetic risk information in the context of adoption with reference to HD.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,097
Score d'incertitude au seuil0,333

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,020
Tête enseignante GPT0,337
Écart entre enseignants0,318 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations9
Publié2010
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueClinical GeneticsMême sujetBRCA gene mutations in cancerTravaux en français237 207