MétaCan
Menu
Retour à la cohorte
Enregistrement W2975189232 · doi:10.18553/jmcp.2019.25.10.1096

Genome Diagnostics: Novel Strategies for Measuring Value

2019· article· en· W2975189232 sur OpenAlexafffundabout
Robin Z. Hayeems, Stephanie Luca, Eleanor Pullenayegum, M. Stephen Meyn, Wendy J. Ungar

Notice bibliographique

RevueJournal of Managed Care & Specialty Pharmacy · 2019
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueHealth Systems, Economic Evaluations, Quality of Life
Établissements canadiensHospital for Sick Children
Organismes subventionnairesHospital for Sick ChildrenUniversity of Toronto
Mots-clésStakeholderPersonalized medicineConstruct (python library)Comparative effectiveness researchGenetic testingConstruct validityTest (biology)Computer scienceKnowledge managementMedicineData scienceManagement sciencePsychometricsBioinformaticsAlternative medicinePathologyClinical psychology

Résumé

récupéré en direct d'OpenAlex

Genetic testing technology is rapidly evolving with the growth of personalized medicine. While test evaluation typically relies on laboratory measures of performance, tests can be costly and analytically and ethically complex. A more fulsome consideration of value is warranted to inform adoption and appropriate use. Herein we describe a methodology for developing novel clinician- and patient-reported measures of clinical and personal utility, aiming to capture the informational value of genome diagnostic tests. Adhering to core measurement science principles and standards, our 4-step process includes (1) tool development through scoping reviews and stakeholder interviews and surveys; (2) tool validation through prospective cohort studies to establish construct validity, inter- and intra-rater reliability; (3) tool application using comparative effectiveness assessment to gauge the comparative value of different types of genetic tests; and (4) tool dissemination, leveraging existing partnerships with international stakeholders to spur additional validation studies, comparative effectiveness research, cost-effectiveness analysis, and evidence-informed policy. A scoping review of the clinical utility literature informed the development of a preliminary 25-item index. Qualitative interviews with 35 clinicians further informed the definition of our utility construct, item content, and item importance. Stakeholder surveys with 113 clinicians enabled further feedback on item content, importance, sensibility, response, and scoring options. An 18-item tool, the "Clinician-reported Genetic testing Utility InDEx" (C-GUIDE), is now undergoing validation, while development work on the patient-reported measure of utility is underway. A methodologically innovative approach to the development of stakeholder-informed and clinimetrically sound measures of value for personalized medicine tests will assist technology users and decision makers globally. DISCLOSURES: This work was supported by the Canadian Institutes of Health Research Operating Grant (#PJT-152880) and the PhRMA Foundation Challenge Award. Publication of the study methodology or findings generated therein was not contingent on the sponsor's approval or censorship of the manuscript. The authors have nothing to disclose. Results from this study were presented as a poster at the 40th Annual North American Meeting of the Society for Medical Decision Making; October 14, 2018; Montreal, QC; the Annual Meeting of the American Society of Human Genetics; October 18, 2018; San Diego, CA; and as an oral presentation at the Annual Meeting of the Canadian Association for Health Services and Policy Research; May 31, 2018; Montreal, QC.

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)0,010
score de la tête « metaresearch » (Gemma)0,002
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
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 enseignants0,861
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0100,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,001

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 Opus0,290
Tête enseignante GPT0,420
Écart entre enseignants0,130 · 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.

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

Citations11
Publié2019
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueJournal of Managed Care & Specialty PharmacyMême sujetHealth Systems, Economic Evaluations, Quality of LifeTravaux en français237 207