Old Challenges or New Issues? Genetic Health Professionals’ Experiences Obtaining Informed Consent in Diagnostic Genomic Sequencing
Notice bibliographique
Résumé
BACKGROUND: While integrating genomic sequencing into clinical care carries clear medical benefits, it also raises difficult ethical questions. Compared to traditional sequencing technologies, genomic sequencing and analysis is more likely to identify unsolicited findings (UF) and variants that cannot be classified as benign or disease-causing (variants of uncertain significance; VUS). UF and VUS pose new challenges for genetic health professionals (GHPs) who are obtaining informed consent for genomic sequencing from patients. METHODS: We conducted semi-structured interviews with 31 GHPs across Europe, Australia and Canada to identify some of these challenges. RESULTS: Our results show that GHPs find it difficult to prepare patients to receive results because a vast amount of information is required to fully inform patients about VUS and UF. GHPs also struggle to engage patients - many of whom may be focused on ending their 'diagnostic odyssey' - in the informed consent process in a meaningful way. Thus, some questioned how 'informed' patients actually are when they agree to undergo clinical genomic sequencing. CONCLUSIONS: These findings suggest a tension remains between sufficient information provision at the risk of overwhelming the patient and imparting less information at the risk of uninformed decision-making. We suggest that a shift away from 'fully informed consent' toward an approach aimed at realizing, as far as possible, the underlying goals that informed consent is meant to promote.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,091 | 0,163 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,022 | 0,045 |
| Communication savante | 0,013 | 0,013 |
| Science ouverte | 0,003 | 0,023 |
| Intégrité de la recherche | 0,010 | 0,016 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,001 |
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.
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 source (Gemma direct ou Codex distillé), 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 ».