How do experts in psychiatric genetics view the clinical utility of polygenic risk scores for schizophrenia?
Notice bibliographique
Résumé
Polygenic risk scores (PRS) are promising for identifying common variant-related inheritance for psychiatric conditions but their integration into clinical practice depends on their clinical utility and psychiatrists' understanding of PRS. Our online survey explored these issues with 276 professionals working in psychiatric genetics (RR: 19%). Overall, participants demonstrated knowledge of how to interpret PRS results. Their performance on knowledge-based questions was positively correlated with participants' self-reported familiarity with PRS (r = 0.21, p = 0.0006) although differences were not statistically significant (Wald Chi-square = 3.29, df = 1, p = 0.07). However, only 48.9% of all participants answered all knowledge questions correctly. Many participants (56.5%), especially researchers (42%), indicated having at least occasional conversations about the role of genetics in psychiatric conditions with patients and/or family members. Most participants (62.7%) indicated that PRS are not yet sufficiently robust for assessment of susceptibility to schizophrenia; most significant obstacles were low predictive power and lack of population diversity in available PRS (selected, respectively, by 53.6% and 29.3% of participants). Nevertheless, 89.8% of participants were optimistic about the use of PRS in the next 10 years, suggesting a belief that current shortcomings could be addressed. Our findings inform about the perceptions of psychiatric professionals regarding PRS and the application of PRS in psychiatry.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,016 | 0,063 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,003 |
| Communication savante | 0,003 | 0,003 |
| Science ouverte | 0,000 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
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 source (Gemma direct ou Codex distillé), 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 ».