Knowledge, attitudes, and values among physicians working with clinical genomics: a survey of medical oncologists
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 découle