What Characterizes Cancer Family History Collection Tools? A Critical Literature Review
Notice bibliographique
Résumé
Background: Many tools have been developed for the standardized collection of cancer family history (fh). However, it remains unclear which tools have the potential to help health professionals overcome traditional barriers to collecting such histories. In this review, we describe the characteristics, validation process, and performance of existing tools and appraise the extent to which those tools can support health professionals in identifying and managing at-risk individuals. Methods: Studies were identified through searches of the medline, embase, and Cochrane central databases from October 2015 to September 2016. Articles were included if they described a cancer fh collection tool, its use, and its validation process. Results: Based on seventy-nine articles published between February 1978 and September 2016, 62 tools were identified. Most of the tools were paper-based and designed to be self-administered by lay individuals. One quarter of the tools could automatically produce pedigrees, provide cancer-risk assessment, and deliver evidence-based recommendations. One third of the tools were validated against a standard reference for collected fh quality and cancer-risk assessment. Only 3 tools were integrated into an electronic health records system. Conclusions: In the present review, we found no tool with characteristics that might make it an efficient clinical support for health care providers in cancer-risk identification and management. Adequately validated tools that are connected to electronic health records are needed to encourage the systematic identification of individuals at increased risk of cancer.
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 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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».