MétaCan
Menu
Retour à la cohorte
Enregistrement W4309364374 · doi:10.1016/j.gim.2022.09.014

Moving toward more consistency in variant classification and clinical action

2022· editorial· en· W4309364374 sur OpenAlexaboutno aff
Karen L. David, Joshua L. Deignan

Notice bibliographique

RevueGenetics in Medicine · 2022
Typeeditorial
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueGenomics and Rare Diseases
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésConsistency (knowledge bases)Action (physics)MedicineComputational biologyComputer scienceBiologyArtificial intelligencePhysics

Résumé

récupéré en direct d'OpenAlex

Genetics professionals understand that variant classifications are not static and can change over time. Reclassifications may occur in response to changes in evidence, new or modified approaches to weighing the evidence, and/or changes in the overall systems used to classify variants. How should other laboratories be notified about proposed reclassifications or even the original classifications from a particular laboratory? How should consensus among laboratories be reached? Should variant classifications be routinely reviewed by laboratories in a proactive manner as a form of continuous quality improvement? If so, should all variants or only variants of uncertain significance be proactively reviewed, or should the system remain largely reactive, with reclassifications being mainly clinician or patient initiated? Under what circumstances should the referring health care provider be notified and the patient recontacted for recounseling? These are some of the important questions tackled in the article “Reclassification of clinically-detected sequence variants: Framework for genetic clinicians and clinical scientists by CanVIG-UK (Cancer Variant Interpretation Group UK)” in the September issue of Genetics in Medicine.

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)0,681
score de la tête « metaresearch » (Gemma)0,711
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Éditorial · Signal consensuel: aucune
Score de désaccord entre enseignants0,681
Score d'incertitude au seuil0,393

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,6810,711
Méta-épidémiologie (sens strict)0,0020,003
Méta-épidémiologie (sens large)0,0070,006
Bibliométrie0,0220,010
Études des sciences et des technologies0,0070,040
Communication savante0,0350,033
Science ouverte0,0160,036
Intégrité de la recherche0,0180,034
Charge utile insuffisante (le modèle a refusé de juger)0,0040,003

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 Opus0,044
Tête enseignante GPT0,366
Écart entre enseignants0,323 · 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
Domainenon disponible
GenreÉditorial

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations2
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueGenetics in MedicineMême sujetGenomics and Rare DiseasesTravaux en français237 207