The Challenge of Informed Consent and Return of Results in Translational Genomics: Empirical Analysis and Recommendations
Notice bibliographique
Résumé
Large-scale sequencing tests, including whole-exome and whole-genome sequencing (WES/WGS), are rapidly moving into clinical use. Sequencing is already being used clinically to identify therapeutic opportunities for cancer patients who have run out of conventional treatment options, to help diagnose children with puzzling neurodevelopmental conditions, and to clarify appropriate drug choices and dosing in individuals. To evaluate and support clinical applications of these technologies, the National Human Genome Research Institute (NHGRI) and National Cancer Institute (NCI) have funded studies on clinical and research sequencing under the Clinical Sequencing Exploratory Research (CSER) program as well as studies on return of results (RoR). Most of these studies use sequencing in real-world clinical settings and collect data on both the application of sequencing and the impact of receiving genomic findings on study participants. They are occurring in the context of controversy over how to obtain consent for exome and genome sequencing.
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 | 0,697 | 0,841 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,002 |
| Méta-épidémiologie (sens large) | 0,004 | 0,002 |
| Bibliométrie | 0,004 | 0,005 |
| Études des sciences et des technologies | 0,011 | 0,073 |
| Communication savante | 0,022 | 0,066 |
| Science ouverte | 0,011 | 0,016 |
| Intégrité de la recherche | 0,031 | 0,041 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,009 | 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; l’étiquette directe de Gemma et le classifieur distillé Codex s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».