MétaCan
Menu
Retour à la cohorte
Enregistrement W3023806404 · doi:10.1159/000507252

What Will It Take to Build an Expert Group of Nutrigenomic Practitioners?

2020· article· en· W3023806404 sur OpenAlexfundno aff
Yael Joffe, Heléne Herholdt

Notice bibliographique

RevueLifestyle Genomics · 2020
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueNutrition, Genetics, and Disease
Établissements canadiensnon disponible
Organismes subventionnairesWageningen University and ResearchUniversity of Toronto
Mots-clésCredibilityNutrigenomicsContext (archaeology)Genetic testingValue (mathematics)MentorshipMedical educationPsychologyMedicineComputer scienceGeneticsBiologyPolitical scienceInternal medicine

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: The past two decades have seen exponential growth in the number of genetic testing companies, but only a small percentage of these tests are being sold through health care professionals (HCPs). As each new genetic testing company appears, it is becoming more difficult for the practitioner and consumer to evaluate the credibility of the claims being made and the value of the tests being offered. SUMMARY: HCPs appear to have minimal nutrigenomics knowledge and little confidence in choosing and interpreting nutrigenetic tests. To remedy this, HCPs need access to credible education, professional support, networking, career development, mentorship, and a regulated testing environment. This will enable them to evaluate the credibility of genetic tests and testing companies, provide genetic results in context, and apply appropriate clinical translation. Key Message: In order to establish an expert group of nutrigenomic practitioners, collaboration is required between educational institutions, professional organizations, and genetic testing companies. This will provide the necessary support, skills, and knowledge to ensure that the best value is extracted from nutrigenetic tests in an ethical and responsible manner.

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: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,738
Score d'incertitude au seuil0,938

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 Opus0,015
Tête enseignante GPT0,263
Écart entre enseignants0,248 · 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'étudeExpérimental (laboratoire)
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

Citations13
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueLifestyle GenomicsMême sujetNutrition, Genetics, and DiseaseTravaux en français237 207