Consumer Perceptions of Interactions With Primary Care Providers After Direct-to-Consumer Personal Genomic Testing
Notice bibliographique
Résumé
BACKGROUND: Direct-to-consumer (DTC) personal genomic testing (PGT) allows individuals to learn about their genetic makeup without going through a physician, but some consumers share their results with their primary care provider (PCP). OBJECTIVE: To describe the characteristics and perceptions of DTC PGT consumers who discuss their results with their PCP. DESIGN: Longitudinal, prospective cohort study. SETTING: Online survey before and 6 months after results. PARTICIPANTS: DTC PGT consumers. MEASUREMENTS: Consumer satisfaction with the DTC PGT experience; whether and, if so, how many results could be used to improve health; how many results were not understood; and beliefs about the PCP's understanding of genetics. Participants were asked with whom they had discussed their results. Genetic reports were linked to survey responses. RESULTS: Among 1026 respondents, 63% planned to share their results with a PCP. At 6-month follow-up, 27% reported having done so, and 8% reported sharing with another health care provider only. Common reasons for not sharing results with a health care provider were that the results were not important enough (40%) or that the participant did not have time to do so (37%). Among participants who discussed results with their PCP, 35% were very satisfied with the encounter, and 18% were not at all satisfied. Frequently identified themes in participant descriptions of these encounters were actionability of the results or use in care (32%), PCP engagement or interest (25%), and lack of PCP engagement or interest (22%). LIMITATION: Participants may not be representative of all DTC PGT consumers. CONCLUSION: A comprehensive picture of DTC PGT consumers who shared their results with a health care provider is presented. The proportion that shares results is expected to increase with time after testing as consumers find opportunities for discussion at later appointments or if results become relevant as medical needs evolve. PRIMARY FUNDING SOURCE: National Institutes of Health.
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 | 0,006 | 0,026 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,003 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 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 ».