<p>Cancer Patient-Reported Preferences and Knowledge for Liquid Biopsies and Blood Biomarkers at a Comprehensive Cancer Center</p>
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
BACKGROUND: Blood-based biomarkers (liquid biopsy) are increasingly used in precision oncology. Yet, little is known about cancer patients' perspectives in clinical practice. We explored patients' depth of preferences for liquid vs tissue biopsies and knowledge regarding the role of blood biomarkers on their cancer. METHODS: Three interviewer-administered trade-off scenarios and a 54-item self-administered questionnaire were completed by cancer outpatients across all disease sites at the Princess Margaret Cancer Centre. RESULTS: Of 413 patients, 54% were female; median age was 61 (range 18-101) years. In trade-off scenario preference testing, 90% (n=372) preferred liquid over tissue biopsy at baseline; when wait times for their preferred test were increased from 2 weeks, patients tolerated an additional mean of 1.8 weeks (SD 2.1) for liquid biopsy before switching to tissue biopsy (with wait time 2 weeks). Patients also tolerated a 6.2% decrease (SD 8.8) in the chance that their preferred test would conclusively determine optimal treatment before switching from the baseline of 80%. 216 patients (58%) preferred liquid biopsy even with no chance of adverse events from tissue biopsy. Patients' knowledge of blood-based biomarkers related to their cancer was low (mean 23%); however, the majority viewed development of blood biomarkers as important. CONCLUSION: Patients had limited understanding of cancer-specific blood-based biomarkers, but 90% preferred liquid over tissue biopsies to assess biomarkers. There was little tolerance to wait longer for results, or for decreased test-conclusiveness. Developing accurate, low-risk tests for cancer diagnosis and management for blood biomarkers is therefore desirable to patients.
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.
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 | 0,001 |
| 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 découle