MétaCan
Menu
Retour à la cohorte
Enregistrement W2609161640 · doi:10.1186/s12920-017-0258-1

Diet and exercise changes following direct-to-consumer personal genomic testing

2017· article· en· W2609161640 sur OpenAlexafffund
Daiva E. Nielsen, Deanna Alexis Carere, Catharine Wang, J. Scott Roberts, Robert C. Green

Notice bibliographique

RevueBMC Medical Genomics · 2017
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueBRCA gene mutations in cancer
Établissements canadiensMcMaster University
Organismes subventionnairesEunice Kennedy Shriver National Institute of Child Health and Human DevelopmentNational Human Genome Research InstituteBrigham and Women's HospitalNational Cancer InstituteNational Institutes of HealthSchool of Public Health, University of MichiganMcMaster UniversityUniversity of MinnesotaNational Center for Research ResourcesUniversity of PennsylvaniaPennsylvania State UniversityCanadian Institutes of Health ResearchU.S. Department of Veterans Affairs
Mots-clésHuman geneticsPersonal genomicsGeneticsGenomic medicineDNA microarrayComputational biologyBiologyBioinformaticsGenomicsMedicineGenomeGene

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: The impacts of direct-to-consumer personal genomic testing (PGT) on health behaviors such as diet and exercise are poorly understood. Our investigation aimed to evaluate diet and exercise changes following PGT and to determine if changes were associated with genetic test results obtained from PGT. METHODS: Customers of 23andMe and Pathway Genomics completed a web-based survey prior to receiving PGT results (baseline) and 6 months post-results. Fruit and vegetable intake (servings/day), and light, vigorous and strength exercise frequency (days/week) were assessed. Changes in diet and exercise were examined using paired t-tests and linear regressions. Additional analyses examined whether outcomes differed by baseline self-reported health (SRH) or content of PGT results. RESULTS: Longitudinal data were available for 1,002 participants. Significant increases were observed for vegetable intake (mean Δ = 0.11 (95% CI = 0.05, 0.17), p = 0.0003) and strength exercise (Δ = 0.14 (0.03, 0.25), p = 0.0153). When stratified by SRH, significant increases were observed for all outcomes among lower SRH participants: fruit intake, Δ = 0.11 (0.02, 0.21), p = 0.0148; vegetable intake, Δ = 0.16 (0.07, 0.25), p = 0.0005; light exercise, Δ = 0.25 (0.03, 0.47), p = 0.0263; vigorous exercise, Δ = 0.23 (0.06, 0.41), p = 0.0097; strength exercise, Δ = 0.19 (0.01, 0.37), p = 0.0369. A significant change among higher SRH participants was only observed for light exercise, and in the opposite direction: Δ = -0.2468 (-0.06, -0.44), p = 0.0111. Genetic results were not consistently associated with any diet or exercise changes. CONCLUSIONS: The experience of PGT was associated with modest, mostly positive changes in diet and exercise. Associations were independent of genetic results from PGT.

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)0,001
score de la tête « metaresearch » (Gemma)0,005
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,014

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,005
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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.

Tête enseignante Opus0,032
Tête enseignante GPT0,294
Écart entre enseignants0,262 · 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'étudeObservationnel
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

Citations31
Publié2017
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueBMC Medical GenomicsMême sujetBRCA gene mutations in cancerTravaux en français237 207