MétaCan
Menu
Retour à la cohorte
Enregistrement W3165199179 · doi:10.1111/cge.14006

Out‐of‐pocket and private pay in clinical genetic testing: A scoping review

2021· review· en· W3165199179 sur OpenAlexafffund
Peter J. Grant, Sylvie Langlois, Larry D. Lynd, Jehannine Austin, Alison M. Elliott

Notice bibliographique

RevueClinical Genetics · 2021
Typereview
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueHealthcare Policy and Management
Établissements canadiensBC Children's HospitalCentre for Advancing Health OutcomesWomen's Health Research InstituteBC Mental Health & Substance Use ServicesUniversity of British Columbia
Organismes subventionnairesCanadian Institutes of Health Research
Mots-clésCINAHLGenetic testingMedicineHereditary CancerMEDLINEFamily medicineCochrane LibrarySystematic reviewGenetic counselingCancerNursingBreast cancerMeta-analysisPathologyPsychological interventionInternal medicineGenetics

Résumé

récupéré en direct d'OpenAlex

Full coverage of the cost of clinical genetic testing is not always available through public or private insurance programs, or a public healthcare system. Consequently, some patients may be faced with the decision of whether to finance testing out-of-pocket (OOP), meet OOP expenses required by their insurer, or not proceed with testing. A scoping review was conducted to identify literature associated with patient OOP and private pay in clinical genetic testing. Seven databases (EMBASE, MEDLINE, CINAHL, PsychINFO, PAIS, the Cochrane Database of Systematic Reviews, and the JBI Evidence-Based Practice database) were searched, resulting in 83 unique publications included in the review. The presented evidence includes a descriptive analysis, followed by a narrative account of the extracted data. Results were divided into four groups according to clinical indication: (1) hereditary breast and ovarian cancer, (2) other hereditary cancers, (3) prenatal testing, (4) other clinical indications. The majority of studies focused on hereditary cancer and prenatal genetic testing. Overall trends indicated that OOP costs have fallen and payer coverage has improved, but OOP expenses continue to present a barrier to patients who do not qualify for full coverage.

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)0,008
score de la tête « metaresearch » (Gemma)0,044
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Revue systématique · Signal consensuel: Revue systématique
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,010
Score d'incertitude au seuil0,044

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0080,044
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0040,005
Bibliométrie0,0100,013
Études des sciences et des technologies0,0010,001
Communication savante0,0040,002
Science ouverte0,0010,002
Intégrité de la recherche0,0030,001
Charge utile insuffisante (le modèle a refusé de juger)0,0060,000

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 Opus0,577
Tête enseignante GPT0,518
Écart entre enseignants0,059 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeRevue systématique
Domainenon disponible
GenreSynthèse

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

En bref

Citations53
Publié2021
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueClinical GeneticsMême sujetHealthcare Policy and ManagementTravaux en français237 207