MétaCan
Menu
Retour à la cohorte
Enregistrement W3005236094 · doi:10.12927/hcpol.2019.26072

Envisioning Implementation of a Personalized Approach in Breast Cancer Screening Programs: Stakeholder Perspectives

2019· article· en· W3005236094 sur OpenAlexafffundvenueabout
Daphne Esquivel-Sada, Emmanuelle Lévesque, Julie Hagan, Bartha Maria Knoppers, Jacques Simard

Notice bibliographique

RevueHealthcare policy · 2019
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueBRCA gene mutations in cancer
Établissements canadiensUniversité LavalMcGill Genome Centre
Organismes subventionnairesGovernment of CanadaCanadian Institutes of Health ResearchFondation du cancer du sein du QuébecGenome Canada
Mots-clésPersonalized medicineStakeholderBreast cancerPersonalizationHealth carePerspective (graphical)Computer scienceKnowledge managementMedicineCancerBioinformaticsPublic relationsWorld Wide WebPolitical scienceArtificial intelligenceInternal medicine

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Advances in genomics and epidemiology can foster the implementation of a risk-based approach to current age-based breast cancer screening programs. This personalized approach would challenge the trajectory for women in the healthcare system by adding both a risk-assessment step (including a genomic test) and screening options. OBJECTIVE: The aim of this study is to explore, from an organizational perspective, the acceptability of different proposals for each step of the trajectory for women in the healthcare system should a personalized approach be implemented in the province of Quebec. METHODS: We interviewed 20 professional stakeholders who are either involved in the current breast cancer screening program in Quebec or who are likely to play a role in the future implementation of a personalized risk-based approach. RESULTS|DISCUSSION: Preferences are split between proposals supporting self-management by the women themselves (e.g., solicitation through media campaign, self-collection of information and sample and results provided by letter) and proposals prioritizing more interaction between women and healthcare providers (e.g., solicitation by health professionals, collection of information and samples by a nurse and results provided by health professionals).

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: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,168
Score d'incertitude au seuil0,998

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 Opus0,043
Tête enseignante GPT0,375
Écart entre enseignants0,333 · 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

Citations26
Publié2019
Routes d'admission4
Résumé présentoui

Explorer davantage

Même revueHealthcare policyMême sujetBRCA gene mutations in cancerTravaux en français237 207