Genome screening, reporting, and genetic counseling for healthy populations
Notice bibliographique
Résumé
Rapid advancements of genome sequencing (GS) technologies have enhanced our understanding of the relationship between genes and human disease. To incorporate genomic information into the practice of medicine, new processes for the analysis, reporting, and communication of GS data are needed. Blood samples were collected from adults with a PCR-confirmed SARS-CoV-2 (COVID-19) diagnosis (target N = 1500). GS was performed. Data were filtered and analyzed using custom pipelines and gene panels. We developed unique patient-facing materials, including an online intake survey, group counseling presentation, and consultation letters in addition to a comprehensive GS report. The final report includes results generated from GS data: (1) monogenic disease risks; (2) carrier status; (3) pharmacogenomic variants; (4) polygenic risk scores for common conditions; (5) HLA genotype; (6) genetic ancestry; (7) blood group; and, (8) COVID-19 viral lineage. Participants complete pre-test genetic counseling and confirm preferences for secondary findings before receiving results. Counseling and referrals are initiated for clinically significant findings. We developed a genetic counseling, reporting, and return of results framework that integrates GS information across multiple areas of human health, presenting possibilities for the clinical application of comprehensive GS data in healthy individuals.
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 | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| 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 ».