Evaluating the impact of universal Lynch syndrome screening in a publicly funded healthcare system
Notice bibliographique
Résumé
PURPOSE: Referrals for Lynch syndrome (LS) assessment have traditionally been based on personal and family medical history. The introduction of universal screening practices has allowed for referrals based on immunohistochemistry tests for mismatch repair (MMR) protein expression. This study aims to characterize the effect of universal screening in a publicly funded healthcare system with comparison to patients referred by traditional criteria, from January 2012 to March 2017. METHODS: Patient files from the time of initiation of universal screening from 2012 to 2017 were reviewed. Patients were sorted into two groups: (a) universally screened and (b) referred by traditional methods. Mutation detection rates, analysis of traditional testing criteria met, and cascade carrier testing were evaluated. RESULTS: The mutation detection rate of the universal screening group was higher than the traditionally referred group (45/228 (19.7%) vs 50/390 (12.5%), P = .05), though each were able to identify unique patients. An analysis of testing criteria met by each patient showed that half of referred patients from the universal screening group could not meet any traditional testing criteria. CONCLUSION: The implementation of universal screening in a publicly funded system will increase efficiency in detecting patients with LS. The resources available for genetic testing and counseling may be more limited in public systems, thus inclusion of secondary screening with BRAF and MLH1 promoter hypermethylation testing is key to further optimizing efficiency.
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 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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».