MétaCan
Menu
Retour à la cohorte
Enregistrement W4205482338 · doi:10.3390/jpm12010022

Stakeholder Perspectives on Navigating Evidentiary and Decision Uncertainty in Precision Oncology

2022· article· en· W4205482338 sur OpenAlexafffundabout
Samantha Pollard, Jessica L. Dunne, Sarah Costa, Dean A. Regier

Notice bibliographique

RevueJournal of Personalized Medicine · 2022
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueHealth Systems, Economic Evaluations, Quality of Life
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesGenome Canada
Mots-clésReimbursementThematic analysisPrecision oncologyStakeholderMedicineQualitative researchClinical judgmentNonprobability samplingPrecision medicineHealth technologyFamily medicineHealth careMedical educationOncologyMedical physicsPublic relationsPathologyEnvironmental healthPopulation

Résumé

récupéré en direct d'OpenAlex

(1) Background: Precision oncology has the potential to improve patient health and wellbeing through targeted prevention and treatment. Owing to uncertain clinical and economic outcomes, reimbursement has been limited. The objective of this pan-Canadian qualitative study was to investigate barriers to precision oncology implementation from the perspectives of health system stakeholders. (2) Methods: We conducted 32 semi-structured interviews with health technology decision makers (n = 14) and clinicians (n = 18) experienced with precision oncology. Participants were recruited using a purposive sampling technique. Interviews were analyzed using thematic analysis. Recruitment continued until two qualitative analysts reached agreement that thematic saturation was reached. (3) Results: While cautiously optimistic about the potential for enhanced therapeutic alignment, participants identified multiple decisional challenges under conditions of evidentiary uncertainty. Decision makers voiced concern over resource requirements alongside small benefitting patient populations and limited evidence supporting patient and health system impacts. Clinicians were comparatively tolerant of evidentiary uncertainty guiding clinical decision-making practices. Clinicians applied a broader definition of patient benefit, focusing on the ability to assist patients making informed clinical decisions. (4) Conclusions: Sustainable precision oncology must balance demand with evidence demonstrating benefit. We show that clinicians and decision makers vary in their tolerance for evolving knowledge, suggesting a need to establish evidentiary standards supporting precision oncology reimbursement decisions.

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)0,072
score de la tête « metaresearch » (Gemma)0,081
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,072
Score d'incertitude au seuil0,383

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0720,081
Méta-épidémiologie (sens strict)0,0000,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,002
Études des sciences et des technologies0,0130,023
Communication savante0,0100,006
Science ouverte0,0020,010
Intégrité de la recherche0,0040,006
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,354
Tête enseignante GPT0,480
Écart entre enseignants0,126 · 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'étudeQualitatif
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

Citations7
Publié2022
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueJournal of Personalized MedicineMême sujetHealth Systems, Economic Evaluations, Quality of LifeTravaux en français237 207