The Cancer Genomics Resource List 2014
Notice bibliographique
Résumé
CONTEXT: Genomic sequencing for cancer is offered by commercial for-profit laboratories, independent laboratory networks, and laboratories in academic medical centers and integrated health networks. The variability among the tests has created a complex, confusing environment. OBJECTIVE: To address the complexity, the Personalized Health Care (PHC) Committee of the College of American Pathologists proposed the development of a cancer genomics resource list (CGRL). The goal of this resource was to assist the laboratory pathology and clinical oncology communities. DESIGN: The PHC Committee established a working group in 2012 to address this goal. The group consisted of site-specific experts in cancer genetic sequencing. The group identified current next-generation sequencing (NGS)-based cancer tests and compiled them into a usable resource. The genes were annotated by the working group. The annotation process drew on published knowledge, including public databases and the medical literature. RESULTS: The compiled list includes NGS panels offered by 19 laboratories or vendors, accompanied by annotations. The list has 611 different genes for which NGS-based mutation testing is offered. Surprisingly, of these 611 genes, 0 genes were listed in every panel, 43 genes were listed in 4 panels, and 54 genes were listed in 3 panels. In addition, tests for 393 genes were offered by only 1 or 2 institutions. Table 1 provides an example of gene mutations offered for breast cancer genomic testing with the annotation as it appears in the CGRL 2014. CONCLUSIONS: The final product, referred to as the Cancer Genomics Resource List 2014, is available as supplemental digital content.
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 | 0,000 | 0,001 |
| 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 ».