Precision Medicine Is Changing the Roles of Healthcare Professionals, Scientists, and Research Staff: Learnings from a Childhood Cancer Precision Medicine Trial
Notice bibliographique
Résumé
Precision medicine programs aim to utilize novel technologies to identify personalized treatments for children with cancer. Delivering these programs requires interdisciplinary efforts, yet the many groups involved are understudied. This study explored the experiences of a broad range of professionals delivering Australia's first precision medicine trial for children with poor-prognosis cancer: the PRecISion Medicine for Children with Cancer (PRISM) national clinical trial of the Zero Childhood Cancer Program. We conducted semi-structured interviews with 85 PRISM professionals from eight professional groups, including oncologists, surgeons, clinical research associates, scientists, genetic professionals, pathologists, animal care technicians, and nurses. We analyzed interviews thematically. Professionals shared that precision medicine can add complexity to their role and result in less certain outcomes for families. Although many participants described experiencing a greater emotional impact from their work, most expressed very positive views about the impact of precision medicine on their profession and its future potential. Most reported navigating precision medicine without formal training. Each group described unique challenges involved in adapting to precision medicine in their profession. Addressing training gaps and meeting the specific needs of many professional groups involved in precision medicine will be essential to ensure the successful implementation of standard care.
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 | 0,058 | 0,066 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,022 | 0,020 |
| Communication savante | 0,008 | 0,007 |
| Science ouverte | 0,002 | 0,018 |
| Intégrité de la recherche | 0,004 | 0,011 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 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 ».