The “Molecularly Unstratified” Patient: A Focus for Moral, Psycho-Social and Societal Research
Notice bibliographique
Résumé
The biomedical paradigm of personalised precision medicine - identification of specific molecular targets for treatment of an individual patient - offers great potential for treatment of many diseases including cancer. This article provides a critical analysis of the promise, the hype and the pitfalls attending this approach. In particular, we focus on 'molecularly unstratified' patients - those who, for various reasons, are not eligible for a targeted therapy. For these patients, hope-laden therapeutic options are closed down, leaving them left out, and left behind, bobbing untidily about in the wake of technological and scientific 'advance'. This process creates a distinction between groups of patients on the basis of biomarkers and challenges our ability to provide equitable access to care for all patients. In broadening our consideration of these patients to include the research ecosystem that shapes their experience, we hypothesise that the combination of immense promise with significant complexity creates particular individual and organisational challenges for researchers. The novelty and complexity of their research consumes high levels of resource, possibly in parallel with undervaluing other 'low hanging fruit', and may be challenging current regulatory thinking. We outline future research to consider the societal, psycho-social and moral issues relating to 'molecularly unstratified' patients, and the impact of the drive towards personalisation on the research, funding, and regulatory ecosystem.
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 | 0,091 | 0,075 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,020 | 0,135 |
| Communication savante | 0,025 | 0,030 |
| Science ouverte | 0,003 | 0,021 |
| Intégrité de la recherche | 0,023 | 0,044 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,001 |
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 ».