MétaCan
Menu
Retour à la cohorte
Enregistrement W2955934677 · doi:10.2217/fon-2019-0010

Utilization of Tumor Genomics in Clinical Practice: An International Survey among ASCO Members

2019· article· en· W2955934677 sur OpenAlexaff
Romualdo Barroso‐Sousa, Hao Guo, Piyush Srivastava, Ted A. James, Walter Birch, Lillian L. Siu, William P. Tew, Sara M. Tolaney

Notice bibliographique

RevueFuture Oncology · 2019
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueCancer Genomics and Diagnostics
Établissements canadiensPrincess Margaret Cancer Centre
Organismes subventionnairesAmerican Society of Clinical Oncology
Mots-clésMedicineContext (archaeology)Family medicineClinical PracticeClinical trialClinical OncologyPrecision medicinePersonalized medicineInternal medicineCancerPathologyBioinformatics

Résumé

récupéré en direct d'OpenAlex

Aim: To identify patterns of use and barriers to tumor genomic testing among oncologists. Methods: We surveyed American Society of Clinical Oncology physician members about their use of genomic testing. Results: Among 11,900 members surveyed, a total of 1000 responded to the survey (participation rate, 8.4%). A total of 75% of the respondents included in the analysis reported ordering tests for at least 1–10% of their patients. Practice setting (academic vs community) was only a determinant in the ordering frequency in North America. Regardless of location, academic oncologists were more likely to prescribe medicine in the context of a clinical trial. Access to clinical trials and costs associated with testing were the barriers identified worldwide. Conclusion: There is substantial variation in the use of genomic tools according to region and practice setting; yet, the barriers are similar worldwide.

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)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,373
Score d'incertitude au seuil0,390

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
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 Opus0,025
Tête enseignante GPT0,373
Écart entre enseignants0,347 · 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'étudeObservationnel
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

Citations19
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueFuture OncologyMême sujetCancer Genomics and DiagnosticsTravaux en français237 207