Improving population health or the population itself? Health technology assessment and our genetic future
Notice bibliographique
Résumé
The province of British Columbia (BC), Canada is developing its first population-wide prenatal genetic screening program, known as triple-marker screening (TMS). TMS, initiated with a simple blood test, is most commonly used to screen for fetuses with the chromosomal abnormality known as Down syndrome or neural tube disorders. Women testing TMS-positive are offered diagnostic amniocentesis and, if the diagnosis is confirmed, selective second-trimester abortion. The project described in this study was initiated to address the broad range of issues arising from this testing technology and provides an example of the new type of health technology assessment (HTA) contribution emerging (and likely to become increasing necessary) in health policy development. With the advent of prenatal genetic screening programs, would-be parents gain the promise of identifying target conditions and, hence, the option of selective abortion of affected fetuses. There is considerable awareness that these developments pose challenges in every dimension (ethical, political, economic, and clinical) of the health-care environment. In the effort to construct an appropriate prenatal screening policy, therefore, administrators have understandably sought guidance from within the field of HTA. The report authors concluded that, within the restricted path open to it, the role of government is relatively clear. It has the responsibility to maintain equal access to prenatal testing, as to any other health service. It should also require maintenance of medical standards and evaluation of program performance. At the same time, policy-makers need actively to support those individuals born with disabilities and their families.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| 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 | 0,001 |
| 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 ».