MétaCan
Menu
Retour à la cohorte
Enregistrement W4223478012 · doi:10.1038/s41525-022-00295-z

Best practices for the interpretation and reporting of clinical whole genome sequencing

2022· review· en· W4223478012 sur OpenAlexaffabout
Christina Austin‐Tse, Vaidehi Jobanputra, Denise Perry, David Bick, Ryan J. Taft, Eric Venner, Richard A. Gibbs, Edwin J. Young, Sarah Barnett, John W. Belmont, Nicole J. Boczek, Shimul Chowdhury, Katarzyna A. Ellsworth, Saurav Guha, Shashikant Kulkarni, Cherisse A. Marcou, Linyan Meng, David R. Murdock, Atteeq U. Rehman, Elizabeth Spiteri, Amanda Thomas‐Wilson, Hutton M. Kearney, Heidi L. Rehm

Notice bibliographique

Revuenpj Genomic Medicine · 2022
Typereview
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueGenomics and Rare Diseases
Établissements canadiensHospital for Sick Children
Organismes subventionnairesnon disponible
Mots-clésBest practiceTest (biology)Whole genome sequencingInterpretation (philosophy)Clinical PracticeHealth careDNA sequencingMedicineData scienceComputer scienceGenomePolitical scienceFamily medicineBiologyGenetics

Résumé

récupéré en direct d'OpenAlex

Whole genome sequencing (WGS) shows promise as a first-tier diagnostic test for patients with rare genetic disorders. However, standards addressing the definition and deployment practice of a best-in-class test are lacking. To address these gaps, the Medical Genome Initiative, a consortium of leading health care and research organizations in the US and Canada, was formed to expand access to high quality clinical WGS by convening experts and publishing best practices. Here, we present best practice recommendations for the interpretation and reporting of clinical diagnostic WGS, including discussion of challenges and emerging approaches that will be critical to harness the full potential of this comprehensive test.

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)0,054
score de la tête « metaresearch » (Gemma)0,078
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche
Catégories consensuellesaucune
DomaineSignal candidat: Présentation des résultats · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,946
Score d'incertitude au seuil0,288

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0540,078
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0030,003
Bibliométrie0,0080,004
Études des sciences et des technologies0,0010,005
Communication savante0,0050,005
Science ouverte0,0080,004
Intégrité de la recherche0,0080,012
Charge utile insuffisante (le modèle a refusé de juger)0,0040,006

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 Opus0,285
Tête enseignante GPT0,481
Écart entre enseignants0,196 · 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.

Devis d'étudeSans objet
DomainePrésentation des résultats
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

Citations152
Publié2022
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revuenpj Genomic MedicineMême sujetGenomics and Rare DiseasesTravaux en français237 207