MétaCan
Menu
Retour à la cohorte
Enregistrement W2733553196 · doi:10.1186/s12960-017-0218-z

Knowledge, attitudes, and values among physicians working with clinical genomics: a survey of medical oncologists

2017· article· en· W2733553196 sur OpenAlexaffabout
Peter A. Chow-White, Dung Ha, Janessa Laskin

Notice bibliographique

RevueHuman Resources for Health · 2017
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueBRCA gene mutations in cancer
Établissements canadiensBC Cancer AgencySimon Fraser University
Organismes subventionnairesnon disponible
Mots-clésGenomicsLiteracyMedicineFamily medicinePersonalized medicineHealth careClinical trialMedical educationPsychologyGeneticsGenomeInternal medicineBiologyPolitical science

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: It has been over a decade since the completion of the Human Genome Project (HGP), genomic sequencing technologies have yet to become parts of standard of care in Canada. This study investigates medical oncologists' (MOs) genomic literacy and their experiences based on their participation in a cancer genomics trial in British Columbia, Canada. METHODS: The authors conducted a survey of MOs from British Columbia, Canada (n = 31, 52.5% response rate), who are actively involved in a clinical genomics trial called Personalized Onco-Genomics (POG). The authors also measured MOs' level of genomic knowledge and attitudes about clinical genomics in cancer medicine. RESULTS: The findings show a low to moderate level of genomic literacy among MOs. MOs located outside the Vancouver area (the major urban center) reported less knowledge about new genetics technologies compared to those located in the major metropolitan area (26.7 vs 73.3%, P < 0.07, Fisher exact test). Forty-two percent of all MOs thought medical training programs do not offer enough genomic training. The majority of the respondents thought genomics will have major impact on drug discovery (67.7%), and treatment selection (58%) in the next 5 years. They also thought the major challenges are cost (61.3%), patient genomic literacy (48.3%), and clinical utility of genomics (42%). CONCLUSIONS: The data suggest a high need to increase genomic literacy among MOs and other doctors in medical school training programs and beyond, especially to physicians in regional areas who may need more educational interventions. Initiatives like POG play a critical role in the education of MOs and the integration of big data clinical genomics into cancer care.

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)0,002
score de la tête « metaresearch » (Gemma)0,008
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 enseignants0,163
Score d'incertitude au seuil0,324

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,008
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,107
Tête enseignante GPT0,446
Écart entre enseignants0,338 · 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

Citations87
Publié2017
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueHuman Resources for HealthMême sujetBRCA gene mutations in cancerTravaux en français237 207