The use of personalized medicine for patient selection for renal transplantation: Physicians' views on the clinical and ethical implications
Notice bibliographique
Résumé
BACKGROUND: The overwhelming scarcity of organs within renal transplantation forces researchers and transplantation teams to seek new ways to increase efficacy. One of the possibilities is the use of personalized medicine, an approach based on quantifiable and scientific factors that determine the global immunological risk of rejection for each patient. Although this approach can improve the efficacy of transplantations, it also poses a number of ethical questions. METHODS: The qualitative research involved 22 semi-structured interviews with nephrologists involved in renal transplantation, with the goal of determining the professionals' views about calculating the global immunological risk and the attendant ethical issues. RESULTS: The results demonstrate a general acceptance of this approach amongst the participants in the study. Knowledge of each patient's immunological risk could improve treatment and the post-graft follow-up. On the other hand, the possibility that patients might be excluded from transplantation poses a significant ethical issue. This approach is not seen as something entirely new, given the fact that medicine is increasingly scientific and evidence-based. Although renal transplantation incorporates scientific data, these physicians believe that there should always be a place for clinical judgment and the physician-patient relationship. CONCLUSIONS: The participants see the benefits of including the calculation of the global immunological risk within transplantation. Such data, being more precise and rigorous, could be of help in their clinical work. However, in spite of the use of such scientific data, a place must be retained for the clinical judgment that allows a physician to make decisions based on medical data, professional expertise and knowledge of the patient. To act in the best interests of the patient is key to whether the calculation of the global immunological risk is employed.
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 | 0,130 | 0,165 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,013 | 0,035 |
| Communication savante | 0,009 | 0,007 |
| Science ouverte | 0,002 | 0,010 |
| Intégrité de la recherche | 0,014 | 0,020 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 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 ».