A step forward, but still inadequate: Australian health professionals’ views on the genetics and life insurance moratorium
Notice bibliographique
Résumé
BACKGROUND: In 2019, the Australian life insurance industry introduced a partial moratorium (ban) limiting the use of genetic test results in life insurance underwriting. The moratorium is industry self-regulated and applies only to policies below certain financial limits (eg, $500 000 of death cover). METHODS: We surveyed Australian health professionals (HPs) who discuss genetic testing with patients, to assess knowledge of the moratorium; reported patient experiences since its commencement; and HP views regarding regulation of genetic discrimination (GD) in Australia. RESULTS: Between April and June 2020, 166 eligible HPs responded to the online survey. Of these, 86% were aware of the moratorium, but <50% had attended related training/information sessions. Only 16% answered all knowledge questions correctly, yet 69% believed they had sufficient knowledge to advise patients. Genetics HPs' awareness and knowledge were better than non-genetics HPs' (p<0.05). There was some reported decrease in patients delaying/declining testing after the moratorium's introduction, however, 42% of HPs disagreed that patients were more willing to have testing post-moratorium. Although many (76%) felt the moratorium resolved some GD concerns, most (88%) still have concerns, primarily around self-regulation, financial limits and the moratorium's temporary nature. Almost half (49%) of HPs reported being dissatisfied with the moratorium as a solution to GD. The majority (95%) felt government oversight is required, and 93% felt specific Australian legislation regarding GD is required. CONCLUSION: While the current Australian moratorium is considered a step forward, most HPs believe it falls short of an adequate long-term regulatory solution to GD in life insurance.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».