Patient outcomes of genetic counseling: Assessing the impact of different approaches to family history collection
Notice bibliographique
Résumé
No studies have yet evaluated whether different modalities for the collection of family history data influence patient outcomes of genetic counseling. We retrospectively compared outcomes of genetic counseling between patients whose family history (Fhx) was collected (1) via telephone prior to their appointment (FhxPrior) or (2) during the appointment (FhxDuring). We used a psychiatric genetic counseling clinic database, where information about demographics and Fhx timing is recorded, and patients complete the Genetic Counseling Outcomes Scale (GCOS, measuring empowerment) and Illness Management Self-Efficacy Scale (IMSES) immediately prior to (T1) and 1 month after their appointment (T2). We used ANCOVA to evaluate the effect of the Fhx method on patient outcomes at T2. Complete data were available for 240 patients and were used for analysis (FhxPrior, n = 206; FhxDuring, n = 34). GCOS and IMSES scores increased from T1 to T2 (P < .0005 and P = .004, respectively). Although there was no difference between groups for GCOS (P = .412), T2 IMSES scores were significantly higher for FhxPrior than FhxDuring after controlling for T1 scores (P = .011). Our data suggest that obtaining Fhx via telephone prior to genetic counseling may lead to greater increases in patients' self-efficacy as compared to obtaining Fhx during the genetic counseling appointment.
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 | 0,012 | 0,037 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 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 ».