GenetiKit: a randomized controlled trial to enhance delivery of genetics services by family physicians
Notice bibliographique
Résumé
BACKGROUND: Patients look to their family physicians (FPs) for credible information and guidance in making informed choices about genetic testing. FPs are challenged by lack of knowledge and the rapid pace of genetic discovery. There is an urgent need for effective interventions to facilitate integration of genetics into family medicine. OBJECTIVE: To determine if a multi-faceted knowledge translation intervention would improve skills, including referral decisions, confidence in core genetics competencies and knowledge. METHODS: Randomized controlled trial involving FPs in four communities in Ontario, Canada (two urban and two rural). The intervention consisted of an interactive educational workshop, portfolio of practical clinical genetics tools and knowledge service called Gene Messenger. Outcome measures included appropriate genetics referral decisions in response to 10 breast cancer scenarios, decisional difficulty, self-reported confidence in 11 genetics core competencies, 3 knowledge questions and evaluation of intervention components 6 months afterwards. RESULTS: Among the one hundred and twenty-five FPs randomized, 80 (64%) completed the study (33 control, 47 intervention). Intervention FPs had significantly higher appropriate referral decision scores [6.4/10 [95% confidence interval (CI) 5.8-6.9] control, 7.8/10 (95% CI 7.4-8.2) intervention] and overall self-reported confidence on core genetics competencies [37.9/55 (95% CI 35.1-40.7) control, 47.0/55 (95% CI 44.9-49.2) intervention]. Over 90% of FPs wanted to continue receiving Gene Messengers and would recommend them to colleagues. No significant differences were found in decisional difficulty or knowledge. CONCLUSIONS: This study demonstrated that a complex educational intervention was able to significantly improve practice intent for clinical genetics scenarios found in primary care, as well as confidence in genetics skills.
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 | 0,003 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,003 | 0,002 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,003 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,012 | 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; 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 ».