MétaCan
Menu
Retour à la cohorte
Enregistrement W4396737950 · doi:10.1002/cam4.7209

<i>It provides families with other avenues for treatment when there are no other options</i> Surgeons' perspectives of being part of a precision medicine trial for poor prognosis paediatric cancer patients: A short report

2024· article· en· W4396737950 sur OpenAlexfundno aff
Rebecca Daly, Kate Hetherington, Bethany R. Wadling, Chris Jacobs, Jonathan Karpelowsky, Claire E. Wakefield

Notice bibliographique

RevueCancer Medicine · 2024
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueGenomics and Rare Diseases
Établissements canadiensnon disponible
Organismes subventionnairesUniversity of New South WalesNational Health and Medical Research CouncilMcGill University
Mots-clésMedicinePrecision medicineIntensive care medicineAlternative medicinePathology

Résumé

récupéré en direct d'OpenAlex

OBJECTIVE: Precision medicine is transforming cancer treatment, yet the perspectives of surgeons who often play a critical role in the delivery of precision medicine remain understudied. METHODS: We conducted semi-structured interviews with 13 surgeons involved in a precision medicine trial for children with poor prognosis cancer. We explored knowledge of genetics, confidence with somatic and germline results, ratings of benefit to stakeholders and willingness to undertake surgical procedures. RESULTS: Surgeons generally had positive attitudes towards precision medicine but expressed concerns about families' unrealistic expectations, mixed opinions on the benefits and the use of research-only biopsies. Most surgeons rated their genetics knowledge as 'good' (69%) and felt 'very confident' in identifying genetic specialists (66%), but 'not confident' (66.6%) in making treatment recommendations. Surgeons' willingness to undertake a procedure was influenced by potential patient benefit. CONCLUSIONS: Our findings support the need for more workforce and training support for surgeons to fully engage with precision medicine.

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,681
Score d'incertitude au seuil0,472

Scores Codex et Gemma par catégorie

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

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.

Tête enseignante Opus0,018
Tête enseignante GPT0,296
Écart entre enseignants0,279 · 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 tête enseignante, 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
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

Citations4
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCancer MedicineMême sujetGenomics and Rare DiseasesTravaux en français237 207