MétaCan
Menu
Retour à la cohorte
Enregistrement W4385981764 · doi:10.20944/preprints202308.1172.v1

Future role of Health Technology Assessment for Genomic Medicine in Oncology: A Canadian Laboratory Perspective

2023· preprint· en· W4385981764 sur OpenAlexaffabout
Don Husereau, Yvonne Bombard, Tracy Stockley, Michael D. Carter, Scott Davey, Diana Lemaire, Erik Nohr, Paul Park, Alan Spatz, Christine Williams, Aaron Pollett, Bernard Lo, Stephen Yip, Soufiane El Hallani, Harriet Feilotter

Notice bibliographique

RevuePreprints.org · 2023
Typepreprint
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueHealth Systems, Economic Evaluations, Quality of Life
Établissements canadiensUniversity of AlbertaUniversity of British ColumbiaSinai Health SystemOntario Institute for Cancer ResearchUniversity of ManitobaQueen's UniversityOntario GenomicsCanada Research ChairsDalhousie UniversityOttawa Public HealthOttawa HospitalUniversity Health NetworkUniversity of TorontoUniversity of OttawaMcGill University Health CentreJewish General Hospital
Organismes subventionnairesnon disponible
Mots-clésGenomic medicinePrecision medicinePersonalized medicineHealth carePerspective (graphical)MedicineComputational biologyBioinformaticsPolitical scienceComputer scienceBiologyPathology

Résumé

récupéré en direct d'OpenAlex

Genome-based testing in oncology is a rapidly expanding area of health care which is the basis of the emerging area of precision medicine. Efficient and considered adoption of novel genomic medicine testing is hampered in Canada by the fragmented nature of health care oversight as well as by lack of clear and transparent processes to support rapid evaluation, assessment and implementation of genomic tests. This article provides an overview of some key barriers and proposes approaches to addressing these challenges as a potential pathway to developing a national approach to genomic medicine in oncology.

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)0,082
score de la tête « metaresearch » (Gemma)0,127
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Commentaire · Signal consensuel: Commentaire
Score de désaccord entre enseignants0,879
Score d'incertitude au seuil0,875

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0820,127
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0030,002
Bibliométrie0,0080,009
Études des sciences et des technologies0,0050,020
Communication savante0,0180,012
Science ouverte0,0060,007
Intégrité de la recherche0,0110,013
Charge utile insuffisante (le modèle a refusé de juger)0,0150,002

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 Opus0,449
Tête enseignante GPT0,518
Écart entre enseignants0,069 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreCommentaire

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

En bref

Citations1
Publié2023
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revuePreprints.orgMême sujetHealth Systems, Economic Evaluations, Quality of LifeTravaux en français237 207