MétaCan
Menu
Retour à la cohorte
Enregistrement W2032323376 · doi:10.1353/pbm.2006.0012

Redefining Disease? The Nosologic Implications of Molecular Genetic Knowledge

2006· article· en· W2032323376 sur OpenAlexaff
Fiona A. Miller, Megan E. Begbie, Mita Giacomini, Catherine Ahern, Erin A. Harvey

Notice bibliographique

RevuePerspectives in biology and medicine · 2006
Typearticle
Langueen
DomaineNeuroscience
ThématiqueAutism Spectrum Disorder Research
Établissements canadiensMcMaster University
Organismes subventionnairesnon disponible
Mots-clésDiseaseCategorizationTypologyInterpretation (philosophy)NosologyIdentification (biology)PsychologyEpistemologyMedicineBiologySociologyComputer sciencePathologyPsychiatry

Résumé

récupéré en direct d'OpenAlex

How will developments in genetic knowledge affect the classification of disease? Leaders in genetics have suggested that knowledge of the role of genes in disease can determine nosology. Diseases might be defined by genotype, thus avoiding the limitations of more empirical approaches to categorization. Other commentators caution against disease definitions that are detached from the look and feel of disease, and argue for an interplay between genotypic and phenotypic information. Still others attribute nosologic change to social processes. We draw on an analysis of the scientific literature, our conversations with genetics clinicians, and reviews of patient organization Web sites to offer a revised interpretation of the nosologic implications of molecular genetic knowledge. We review the recent histories of three diseases--hemophilia, Rett syndrome, and cystic fibrosis--to argue that nosologic change cannot be explained by either biologic theories of disease etiology or sociologic theories of social tendencies. Although new genetic information challenges disease classifications and is highly influential in their redesign, genetic information can be used in diverse ways to reconstruct disease categories and is not the only influence in these revisions. Ironically, genetic information is likely to play a central role in producing a new, but still empirical, classification scheme.

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)0,000
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: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,556
Score d'incertitude au seuil0,591

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,002
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 Opus0,038
Tête enseignante GPT0,378
Écart entre enseignants0,340 · 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'étudeThéorique ou conceptuel
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

Citations25
Publié2006
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePerspectives in biology and medicineMême sujetAutism Spectrum Disorder ResearchTravaux en français237 207