The landscape of reported VUS in multi-gene panel and genomic testing: Time for a change
Notice bibliographique
Résumé
Abstract PURPOSE Variants of uncertain significance (VUS) are a common result of diagnostic genetic testing and can be difficult to manage with potential misinterpretation and downstream costs, including time investment by clinicians. We investigated the rate of VUS reported on diagnostic testing via multi-gene panels (MGPs) and exome and genome sequencing (ES/GS) to measure the magnitude of uncertain results and explore ways to reduce their potentially detrimental impact. METHODS Rates of inconclusive results due to VUS were collected from over 1.5 million sequencing test results from 19 clinical laboratories in North America from 2020 - 2021. RESULTS We found a lower rate of inconclusive test results due to VUSs from ES/GS (22.5%) compared to MGPs (32.6%; p<0.0001). For MGPs, the rate of inconclusive results correlated with panel size. The use of trios reduced inconclusive rates (18.9% vs 27.6%; p<0.001) whereas the use of GS compared to ES had no impact (22.2% vs 22.6%; p=ns). CONCLUSION The high rate of VUS observed in diagnostic MGP testing warrants examining current variant reporting practices. We propose several approaches to reduce reported VUS rates, while directing clinician resources towards important VUS follow-up.
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 | 0,000 | 0,000 |
| 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 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».