MétaCan
Menu
Retour à la cohorte
Enregistrement W2943567636 · doi:10.3747/co.26.4731

A Canadian Guideline on the Use of Next-Generation Sequencing in Oncology

2019· article· en· W2943567636 sur OpenAlexaffvenueabout
Stephen Yip, Anna Christofides, Shantanu Banerji, Michelle R. Downes, Iyare Izevbaye, Bernard Lo, A. MacMillan, Jeanna McCuaig, Tracy Stockley, George M. Yousef, Alan Spatz

Notice bibliographique

RevueCurrent Oncology · 2019
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueCancer Genomics and Diagnostics
Établissements canadiensMcGill University Health CentreHospital for Sick ChildrenUniversity of TorontoHealth Sciences CentreCancerCare ManitobaUniversity of Alberta HospitalOttawa HospitalUniversity Health NetworkPrincess Margaret Cancer CentreSunnybrook Health Science CentreAlberta Hospital EdmontonImpactFluidigm (Canada)
Organismes subventionnairesFoundation MedicineF. Hoffmann-La RocheAstraZenecaPfizer
Mots-clésMedicineDECIPHERGuidelineDNA sequencingGenomicsMedical physicsClinical trialClinical OncologyGenomic sequencingComputational biologyBioinformaticsCancerInternal medicinePathologyGenomeBiology

Résumé

récupéré en direct d'OpenAlex

Rapid advancements in next-generation sequencing (ngs) technology have created an unprecedented opportunity to decipher the molecular profile of tumours to more effectively prevent, diagnose, and treat cancer. Oncologists now have the option to order molecular tests that can guide treatment decisions. However, to date, most oncologists have received limited training in genomics, and they are now faced with the challenge of understanding how such tests and their interpretation align with patient management. Guidance on how to effectively use ngs technology is therefore needed to aid oncologists in applying the results of genomic tests. The Canadian guideline presented here describes best practices and unmet needs related to ngs-based testing for somatic variants in oncology, including clinical application, assay and sample selection, bioinformatics and interpretation of reports performed by laboratories, patient communication, and clinical trials.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,849
Score d'incertitude au seuil0,995

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,215
Tête enseignante GPT0,365
Écart entre enseignants0,149 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations50
Publié2019
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueCurrent OncologyMême sujetCancer Genomics and DiagnosticsTravaux en français237 207