MétaCan
Menu
Retour à la cohorte
Enregistrement W4392592405 · doi:10.1016/j.gimo.2024.101780

P866: Exploring the impact of secondary findings in a cohort of patients and families receiving genome-wide sequencing

2024· article· en· W4392592405 sur OpenAlexaff
Katharine Fooks, Lydia Vermeer, Elise Poole, Stephanie Luca, Riyana Babul‐Hirji, Lauren Chad, David Chitayat, Michael P. Mackley, M. Schwartz, Wendy J. Ungar, Robin Z. Hayeems, Secondary Findings Study Team, Joyce Yan, Abigail Hansen, Viji Venkataramanan, Daniel Assamad, Christian R. Marshall, Meredith Gillespie, Anna Szuto, Caitlin Chisholm, James Stavropoulos, Lijia Huang, Olga Jarinova, Lynette Lau, Whiwon Lee, Lauren Badalato, Tuğçe B. Balcı, Cara Inglese, Virginie Beauséjour Ladouceur, Chantal F. Morel, Julie Richer, Mark A. Tarnopolsky, Anita Villani, Laura Zahavich, Olivia Moran, Sarah L. Sawyer, Roberto Mendoza‐Londono, Martin J. Somerville, Kym M. Boycott

Notice bibliographique

RevueGenetics in Medicine Open · 2024
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueGenomics and Rare Diseases
Établissements canadiensUniversity of OttawaMcMaster UniversityLondon Health Sciences CentreQueen's UniversityChildren's Hospital of Eastern OntarioTed Rogers Centre for Heart ResearchUniversity Health NetworkSickKids FoundationUniversity of TorontoKingston Health Sciences CentreHospital for Sick Children
Organismes subventionnairesnon disponible
Mots-clésCohortGenomeGeneticsMedicineBiologyGeneInternal medicine

Résumé

récupéré en direct d'OpenAlex

Secondary findings (SF) are defined as genetic test results that are actively sought but unrelated to the primary indication for testing. Approximately 1-4% of individuals having genome-wide sequencing (GWS) receive a medically actionable SF. The American College of Medical Genetics and Genomics currently recommends that 81 genes be analyzed for SF when an individual receives clinical GWS. However, this practice is not universal, and approaches to secondary findings vary across sequencing programs and jurisdictions.

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)0,001
score de la tête « metaresearch » (Gemma)0,008
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,013
Score d'incertitude au seuil0,026

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,008
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0020,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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.

Tête enseignante Opus0,025
Tête enseignante GPT0,294
Écart entre enseignants0,269 · 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'étudeObservationnel
Domainenon disponible
GenreEmpirique

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
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueGenetics in Medicine OpenMême sujetGenomics and Rare DiseasesTravaux en français237 207