Sequence2Script: A Web-Based Tool for Translation of Pharmacogenetic Data Into Evidence-Based Prescribing Recommendations
Notice bibliographique
Résumé
Pharmacogenomic (PGx) testing has emerged as an effective strategy for informing drug selection and dosing. This has led to an increase in the use of PGx testing in the clinic and has catalyzed the emergence of a burgeoning commercial PGx testing industry. However, not all PGx tests are equivalent in their approach to translating testing results into prescribing recommendations, due to an absence of regulatory standards. As such, those generating and using PGx data require tools for ensuring the prescribing recommendations they are provided align with current peer-reviewed PGx-based prescribing guidelines developed by expert groups or approved product labels. Herein, we present Sequence2Script (sequence2script.com), a simple, free, and transparent web-based tool to assist in the efficient translation of PGx testing results into evidence-based prescribing recommendations. The tool was designed with a wide-range of user groups (e.g., healthcare providers, laboratory staff, researchers) in mind. The tool supports 97 gene-drug pairs with evidence-based prescribing guidelines, allows users to adjust recommendations for concomitant inhibitors and inducers, and generates a clinical report summarizing the patient's genotype, inferred phenotype, phenoconverted phenotype (if applicable), and corresponding prescribing recommendations. In this paper, we describe each of the tool's features, provide use case examples, and discuss limitations of and future development plans for the tool. Although we recognize that Sequecnce2Script may not meet the needs of every user, the hope is that this novel tool will facilitate more standardized use of PGx testing results and reduce barriers to implementing these results into practice.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».