MétaCan
Menu
Retour à la cohorte
Enregistrement W2359999834 · doi:10.18192/uojm.v6i1.1549

Integrating Pharmacogenomics into Clinical Practice

2016· article· en· W2359999834 sur OpenAlexaffvenue
Gurinder Johal, Adam Amlani

Notice bibliographique

RevueUniversity of Ottawa Journal of Medicine · 2016
Typearticle
Langueen
DomaineMedicine
ThématiquePharmaceutical studies and practices
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésPharmacogenomicsMedicineGynecologyPharmacology

Résumé

récupéré en direct d'OpenAlex

Pharmacogenomics has the potential to improve patient-centered care and lead to an overall decrease in healthcare costs. This would be achieved through fewer hospitalizations due to adverse drug reactions, individualized and effective therapies, and decreased drug development costs with single nucleotide polymorphism pre-screening. Although challenges do exist in encouraging the use of phar­macogenomics―specifically in regards to resources, regulation, and impacts on the pharmaceutical industry―the benefits may out­weigh the costs in terms of patient health and safety. In implementing pharmacogenomics, various clinical, ethical, legal, social and economical factors must be considered. La pharmacogénomique aurait le potentiel de diminuer le coût des soins de santé et d’optimiser les soins primaires aux patients. Il serait possible d’y parvenir en réduisant les hospitalisations suite aux effets secondaires associés aux médicaments, en utilisant des thérapies individualisées plus efficaces et en diminuant le coût associé au développement de médicaments grâce au test de dépistage de polymorphisme d’un seul nucléotide. Malgré les défis associés à l’utilisation de la pharmacogénomique surtout sur le plan des ressources, de la régulation et de l’impact dans l’industrie pharmaceutique, les avantages en terme de santé et de sécurité sont à considérer. Plusieurs facteurs cliniques, éthiques, légaux, sociaux, et économiques doivent être pris en considération pour l’utilisation de la pharmacogénomique.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,050
score de la tête « metaresearch » (Gemma)0,126
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,050
Score d'incertitude au seuil0,263

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0500,126
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0050,004
Études des sciences et des technologies0,0010,006
Communication savante0,0120,007
Science ouverte0,0030,008
Intégrité de la recherche0,0050,008
Charge utile insuffisante (le modèle a refusé de juger)0,0160,008

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.

Tête enseignante Opus0,072
Tête enseignante GPT0,413
Écart entre enseignants0,341 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeThéorique ou conceptuel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2016
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueUniversity of Ottawa Journal of MedicineMême sujetPharmaceutical studies and practicesTravaux en français237 207