Exploring genetic counselors' experiences with non‐paternity in clinical settings
Notice bibliographique
Résumé
Non-paternity (NP) is a challenging dilemma faced by genetics providers and there is little consensus on whether this finding should be disclosed. Discussions in the literature are highly theoretical, with limited research regarding how disclosure decisions are enacted in practice. We explored genetic counselors' (GCs) clinical experiences with NP to understand if, how, and why this finding is communicated. Our semi-structured interviews with genetic counselors in the United States and Canada were analyzed using reflexive thematic analysis to analyze data inductively, describe themes, and present a meaningful interpretation of the data. Eighteen participants who responded to list-serv messages were interviewed. Our framework describes five salient themes: (1) GC-lab relationship: the GCs awareness of laboratory processes such as quality control metrics that can uncover NP findings and the way in which a finding of NP was disclosed by the laboratory had an impact on disclosure decisions. This triggered a decision-making trajectory that involved (2) consultation, (3) ethical reasoning, and (4) practical constraints. GCs frequently consulted other professionals during decision-making. These conversations impacted disclosure decisions with some consultations carrying greater weight than others. GCs weighed moral concepts of patient autonomy, medical relevance, and preventing harm to rationalize decisions. Access to patients and documentation requirements often dictated how disclosure occurred. Finally, once a decision had been made and enacted, GCs used the experience to reconsider their approach to (5) consenting in future cases, with some GCs altering their pre-test counseling to always include a discussion of NP. Although NP scenarios are frequently unique in context, our findings demonstrate several common decision-making factors GCs harness to navigate the identification of NP through clinical genetic testing.
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 | 0,023 | 0,063 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,014 | 0,014 |
| Communication savante | 0,008 | 0,005 |
| Science ouverte | 0,002 | 0,011 |
| Intégrité de la recherche | 0,003 | 0,006 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».