MétaCan
Menu
Retour à la cohorte
Enregistrement W3153097092 · doi:10.1136/jmedgenet-2021-107738

Data sharing to improve concordance in variant interpretation across laboratories: results from the Canadian Open Genetics Repository

2021· article· en· W3153097092 sur OpenAlexafffundabout
Chloe Mighton, Amanda Smith, Justin Mayers, Robert Tomaszewski, Sherryl A. Taylor, Stacey Hume, Ron Agatep, Elizabeth Spriggs, Harriet Feilotter, Laura Semenuk, Henry Wong, Lorena Lazo de la Vega, Christian R. Marshall, Michelle M. Axford, Talia Silver, George S. Charames, Vanessa Di Gioacchino, Nicholas A. Watkins, William D. Foulkes, Marcos Clavier, Nancy Hamel, George Chong, Ryan E. Lamont, Jillian S. Parboosingh, Aly Karsan, Ian Bosdet, Sean Young, Tracy Tucker, Mohammad R. Akbari, Marsha Speevak, Andrea K. Vaags, Matthew S. Lebo, Jordan Lerner‐Ellis

Notice bibliographique

RevueJournal of Medical Genetics · 2021
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueGenomics and Rare Diseases
Établissements canadiensWomen's College HospitalBC Cancer AgencyCalgary Laboratory ServicesHospital for Sick ChildrenMcGill University Health CentreMcGill UniversityKingston Health Sciences CentreQueen's UniversityTrillium Health CentreUniversity of ManitobaManitoba HealthUniversity of AlbertaJewish General HospitalSt. Michael's HospitalAgricultural Research Institute of OntarioUniversity of TorontoUniversity of British ColumbiaAlberta Hospital EdmontonUniversity of CalgaryMount Sinai HospitalLunenfeld-Tanenbaum Research Institute
Organismes subventionnairesNational Human Genome Research InstituteCanadian Institutes of Health ResearchOntario Genomics Institute
Mots-clésConcordanceGenetic variantsComputational biologyMedical geneticsMedicineInterpretation (philosophy)GeneticsComputer scienceBioinformaticsBiologyGenotypeGene

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: This study aimed to identify and resolve discordant variant interpretations across clinical molecular genetic laboratories through the Canadian Open Genetics Repository (COGR), an online collaborative effort for variant sharing and interpretation. METHODS: Laboratories uploaded variant data to the Franklin Genoox platform. Reports were issued to each laboratory, summarising variants where conflicting classifications with another laboratory were noted. Laboratories could then reassess variants to resolve discordances. Discordance was calculated using a five-tier model (pathogenic (P), likely pathogenic (LP), variant of uncertain significance (VUS), likely benign (LB), benign (B)), a three-tier model (LP/P are positive, VUS are inconclusive, LB/B are negative) and a two-tier model (LP/P are clinically actionable, VUS/LB/B are not). We compared the COGR classifications to automated classifications generated by Franklin. RESULTS: Twelve laboratories submitted classifications for 44 510 unique variants. 2419 variants (5.4%) were classified by two or more laboratories. From baseline to after reassessment, the number of discordant variants decreased from 833 (34.4% of variants reported by two or more laboratories) to 723 (29.9%) based on the five-tier model, 403 (16.7%) to 279 (11.5%) based on the three-tier model and 77 (3.2%) to 37 (1.5%) based on the two-tier model. Compared with the COGR classification, the automated Franklin classifications had 94.5% sensitivity and 96.6% specificity for identifying actionable (P or LP) variants. CONCLUSIONS: The COGR provides a standardised mechanism for laboratories to identify discordant variant interpretations and reduce discordance in genetic test result delivery. Such quality assurance programmes are important as genetic testing is implemented more widely in clinical care.

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)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,677
Score d'incertitude au seuil0,830

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,002
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 ouverte0,0020,001
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 Opus0,025
Tête enseignante GPT0,332
Écart entre enseignants0,307 · 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'étudeSans objet
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

Citations36
Publié2021
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueJournal of Medical GeneticsMême sujetGenomics and Rare DiseasesTravaux en français237 207