Notice bibliographique
Résumé
Does gene testing indicate a switch from an histopathological to a molecular approach of human diseases ? Disease management in oncology is already improved by gene testing, at least for some specific cancers. It is however necessary to distinguish the analysis of genes specific to the tumour which gives clues about the fate of the tumours, from those unique to the patients, which gives clues about the future of the person. For the latter so-called germline mutations, wide scale gene-default screening would put pressure on resource allocation from the health care systems of developed countries. Currently the cost of detecting of 700 genes in the whole French population would exceed the whole health budget of the country for the next 10 years. Even if we can anticipate a dramatic decrease in the unit cost of these genetic tests in the future, their diffusion should not be controlled exclusively by technological and market forces. In this paper, we propose to discuss four main parameters for regulating these genetic tests, using as an archetypal example their application to cancer prevention and treatment: (1) which specific cancer disease is targeted by the test (prevalence, incidence, likelihood of cure with current therapeutics, number of years of life potentially saved...); (2) what are the characteristics of the genes tested and which level of evidence is required about the predictive value of the test; (3) what are the size and characteristics of the population who will be offered the test, and (4) which process and public control are necessary before market approval of the test and reimbursement of related expenditures by health care insurance schemes.
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 | 0,004 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,006 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».