The Value of Personalizing Medicine: Medical Oncologists’ Views on Gene Expression Profiling in Breast Cancer Treatment
Notice bibliographique
Résumé
OBJECTIVES: Guidelines recommend gene-expression profiling (GEP) tests to identify early-stage breast cancer patients who may benefit from chemotherapy. However, variation exists in oncologists' use of GEP. We explored medical oncologists' views of GEP tests and factors impacting its use in clinical practice. METHODS: We used a qualitative design, comprising telephone interviews with medical oncologists (n = 14; 10 academic, 4 in the community) recruited through oncology clinics, professional advertisements, and referrals. Interviews were analyzed for anticipated and emergent themes using the constant comparative method including searches for disconfirming evidence. RESULTS: Some oncologists considered GEP to be a tool that enhanced confidence in their established approach to risk assessments, whereas others described it as "critical" to resolving their uncertainty about whether to recommend chemotherapy. Some community oncologists also valued the test in interpreting what they considered variable practice and accuracy across pathology reports and testing facilities. However, concerns were also raised about GEP's cost, overuse, inappropriate use, and over-reliance on the results within the medical community. In addition, although many oncologists said it was simple to explain the test to patients, paradoxically, they remained uncertain about patients' understanding of the test results and their treatment implications. CONCLUSION: Oncologists valued the test as a treatment-decision support tool despite their concerns about its cost, over-reliance, overuse, and inappropriate use by other oncologists, as well as patients' limited understanding of GEP. The results identify a need for decision aids to support patients' understanding and clinical practice guidelines to facilitate standardized use of the test.
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) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».