Scaling resolution of variant classification differences in ClinVar between 41 clinical laboratories through an outlier approach
Notice bibliographique
Résumé
ClinVar provides open access to variant classifications shared from many clinical laboratories. Although most classifications are consistent across laboratories, classification differences exist. To facilitate resolution of classification differences on a large scale, clinical laboratories were encouraged to reassess outlier classifications of variants with medically significant differences (MSDs). Outliers were identified by first comparing ClinVar submissions from 41 clinical laboratories to detect variants with MSDs between the laboratories (650 variants). Next, MSDs were filtered for variants with ≥3 classifications (244 variants), of which 87.6% (213 variants) had a majority consensus in ClinVar, thus allowing for identification of outlier classifications in need of reassessment. Laboratories with outlier classifications were sent a custom report and encouraged to reassess variants. Results were returned for 204 (96%) variants, of which 62.3% (127) were resolved. Of those 127, 64.6% (82) were resolved due to reassessment prompted by this study and 35.4% (45) resolved by a previously completed reassessment. This study demonstrates a scalable approach to classification resolution and capitalizes on the value of data sharing within ClinVar. These activities will help the community move toward more consistent variant classifications, which will improve the care of patients with, or at risk for, genetic disorders.
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) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| 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 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 ».