Oncology clinic-based germline genetic testing for exocrine pancreatic cancer enables timely return of results and unveils low uptake of cascade testing
Notice bibliographique
Résumé
BACKGROUND: Traditional medical genetics models are unable to meet the growing demand for germline genetic testing (GT) in patients with exocrine pancreatic cancer (PC). This study investigates the impact of an ambulatory oncology clinic-based GT model. METHODS: From 2012 to 2021, patients with PC were prospectively enrolled and considered for GT. Two chronological cohorts were compared: (1) the preuniversal genetic testing (pre-UGT) cohort, which received GT based on clinical criteria or family history; and (2) the post-UGT cohort, where an 86-gene panel was offered to all patients with PC. RESULTS: Of 847 eligible patients, 735 (86.8%) were enrolled (pre-UGT, n=579; post-UGT, n=156). A higher proportion of the post-UGT cohort received prospective GT (97.4% vs 58.5%, p<0.001). The rate of pathogenic germline alterations (PGA) across both cohorts was 9.9%, with 8.0% of PGAs in PC susceptibility genes. The post-UGT cohort had a higher prevalence of overall PGAs (17.2% vs 6.6%, p<0.001) and PGAs in PC susceptibility genes (11.9% vs 6.3%, p<0.001). The median turnaround time from enrolment to GT report was shorter in the post-UGT cohort (13 days vs 42 days, p<0.001). Probands with a PGA disclosed their GT results to 84% of their first-degree relatives (FDRs). However, only 31% of informed FDRs underwent GT, and the number of new cases per index case was 0.52. CONCLUSION: A point-of-care GT model is feasible and expedites access to GT for patients with PC. Strategies to increase the uptake of cascade testing are needed to maximise the clinical impact of an oncology clinic-based GT model.
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 | 0,003 | 0,042 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 ».