Toward Informed Selection and Interpretation of Clinical Genomic Tests in Prostate Cancer
Notice bibliographique
Résumé
Clinical genomic testing of patient germline, tumor tissue, or plasma cell-free DNA can enable a personalized approach to cancer management and treatment. In prostate cancer (PCa), broad genotyping tests are now widely used to identify germline and/or somatic alterations in BRCA2 and other DNA damage repair genes. Alterations in these genes can confer cancer sensitivity to poly (ADP-ribose) polymerase inhibitors, are linked with poor prognosis, and can have potential hereditary cancer implications for family members. However, there is huge variability in genomic tests and reporting standards, meaning that for successful implementation of testing in clinical practice, end users must carefully select the most appropriate test for a given patient and critically interpret the results. In this white paper, we outline key pre- and post-test considerations for choosing a genomic test and evaluating reported variants, specifically for patients with advanced PCa. Test choice must be based on clinical context and disease state, availability and suitability of tumor tissue, and the genes and regions that are covered by the test. We describe strategies to recognize false positives or negatives in test results, including frameworks to assess low tumor fraction, subclonal alterations, clonal hematopoiesis, and pathogenic versus nonpathogenic variants. We assume that improved understanding among health care professionals and researchers of the nuances associated with genomic testing will ultimately lead to optimal patient care and clinical decision making.
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 | 0,087 | 0,158 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,004 |
| Communication savante | 0,007 | 0,003 |
| Science ouverte | 0,002 | 0,004 |
| Intégrité de la recherche | 0,004 | 0,007 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».