MétaCan
Menu
Retour à la cohorte
Enregistrement W3214655582 · doi:10.3390/cancers13225612

Universal Germline Testing of Unselected Cancer Patients Detects Pathogenic Variants Missed by Standard Guidelines without Increasing Healthcare Costs

2021· article· en· W3214655582 sur OpenAlexfundno aff
Adrienne T. Perkins, Derrick S. Haslem, Jessica Goldsberry, Katherine Shortt, Laura J. Sittig, Sharanya Raghunath, Christopher Giauque, Shawnee Snow, Gail Fulde, Bryce Moulton, David A. Jones, Lincoln Nadauld

Notice bibliographique

RevueCancers · 2021
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueBRCA gene mutations in cancer
Établissements canadiensnon disponible
Organismes subventionnairesUniversity of AlbertaAlberta Precision Laboratories
Mots-clésGenetic testingMedicineHereditary CancerGermlineCancerHealth carePopulationCancer screeningOncologyInternal medicineFamily medicineGeneticsBreast cancerEnvironmental healthGeneBiology

Résumé

récupéré en direct d'OpenAlex

PURPOSE: To accurately ascertain the frequency of pathogenic germline variants (PGVs) in a pan-cancer patient population with universal genetic testing and to assess the economic impact of receiving genetic testing on healthcare costs. METHODS: In this prospective study, germline genetic testing using a 105-gene panel was administered to an unselected pan-cancer patient population irrespective of eligibility by current guidelines. Financial records of subjects were analyzed to assess the effect of PGV detection on cost of care one year from the date of testing. RESULTS: A total of 284 patients participated in this study, of which 44 patients (15%) tested positive for a PGV in 14 different cancer types. Of the patients with PGVs, 23 patients (52%) were ineligible for testing by current guidelines. Identification of a PGV did not increase cost of care. CONCLUSION: Implementation of universal genetic testing for cancer patients in the clinic, beyond that specified by current guidelines, is necessary to accurately assess and treat hereditary cancer syndromes and does not increase healthcare costs.

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)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,028
Score d'incertitude au seuil0,929

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,001
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 ouverte0,0000,000
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 Opus0,023
Tête enseignante GPT0,304
Écart entre enseignants0,281 · 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'étudeExpérimental (laboratoire)
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

Citations22
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCancersMême sujetBRCA gene mutations in cancerTravaux en français237 207