MétaCan
Menu
Retour à la cohorte
Enregistrement W3112204464 · doi:10.1038/s41525-020-00164-7

Clinical utility of genomic sequencing: a measurement toolkit

2020· review· en· W3112204464 sur OpenAlexaff
Robin Z. Hayeems, David Dimmock, David Bick, John W. Belmont, Robert C. Green, Brendan C. Lanpher, Vaidehi Jobanputra, Roberto Mendoza‐Londono, Shashi Kulkarni, Megan E. Grove, Stacie L. Taylor, Euan A. Ashley

Notice bibliographique

Revuenpj Genomic Medicine · 2020
Typereview
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueGenomics and Rare Diseases
Établissements canadiensInstitute for Clinical Evaluative SciencesSickKids FoundationHospital for Sick ChildrenUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésContext (archaeology)ReimbursementPrecision medicineStakeholderMedicineHealth careData scienceComputer science

Résumé

récupéré en direct d'OpenAlex

Whole-genome sequencing (WGS) is positioned to become one of the most robust strategies for achieving timely diagnosis of rare genomic diseases. Despite its favorable diagnostic performance compared to conventional testing strategies, routine use and reimbursement of WGS are hampered by inconsistencies in the definition and measurement of clinical utility. For example, what constitutes clinical utility for WGS varies by stakeholder's perspective (physicians, patients, families, insurance companies, health-care organizations, and society), clinical context (prenatal, pediatric, critical care, adult medicine), and test purpose (diagnosis, screening, treatment selection). A rapidly evolving technology landscape and challenges associated with robust comparative study design in the context of rare disease further impede progress in this area of empiric research. To address this challenge, an expert working group of the Medical Genome Initiative was formed. Following a consensus-based process, we align with a broad definition of clinical utility and propose a conceptually-grounded and empirically-guided measurement toolkit focused on four domains of utility: diagnostic thinking efficacy, therapeutic efficacy, patient outcome efficacy, and societal efficacy. For each domain of utility, we offer specific indicators and measurement strategies. While we focus on diagnostic applications of WGS for rare germline diseases, this toolkit offers a flexible framework for best practices around measuring clinical utility for a range of WGS applications. While we expect this toolkit to evolve over time, it provides a resource for laboratories, clinicians, and researchers looking to characterize the value of WGS beyond the laboratory.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,329
score de la tête « metaresearch » (Gemma)0,427
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,329
Score d'incertitude au seuil0,828

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,3290,427
Méta-épidémiologie (sens strict)0,0020,002
Méta-épidémiologie (sens large)0,0040,004
Bibliométrie0,0160,012
Études des sciences et des technologies0,0030,010
Communication savante0,0190,012
Science ouverte0,0060,022
Intégrité de la recherche0,0040,011
Charge utile insuffisante (le modèle a refusé de juger)0,0030,003

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 Opus0,169
Tête enseignante GPT0,377
Écart entre enseignants0,208 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Devis d'étudeSans objet
Domainenon disponible
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations81
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuenpj Genomic MedicineMême sujetGenomics and Rare DiseasesTravaux en français237 207