MétaCan
Menu
Retour à la cohorte
Enregistrement W4400881768 · doi:10.1158/1078-0432.ccr-24-1165

Update on Genetic Counselor Practice and Recommendations for Pediatric Cancer Predisposition Evaluation and Surveillance

2024· review· en· W4400881768 sur OpenAlexaff
Kristin Zelley, Jaclyn Schienda, Bailey Gallinger, Wendy Kohlmann, Rose B. McGee, Sarah Scollon, Kami Wolfe Schneider

Notice bibliographique

RevueClinical Cancer Research · 2024
Typereview
Langueen
DomaineMedicine
ThématiqueChildhood Cancer Survivors' Quality of Life
Établissements canadiensHospital for Sick ChildrenUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésGenetic testingGenetic predispositionMedicinePediatric cancerGenetic counselingCancerPsychosocialReferralLi–Fraumeni syndromeGermline mutationFamily medicineInternal medicineGeneticsDiseaseMutationPsychiatryBiology

Résumé

récupéré en direct d'OpenAlex

In July 2023, the American Association for Cancer Research held the second Childhood Cancer Predisposition Workshop, at which international experts in pediatric cancer predisposition met to update the previously published 2017 consensus statements on pediatric cancer predisposition syndromes. Since 2017, advances in tumor and germline genetic testing and increased understanding of cancer predisposition in patients with pediatric cancer have led to significant changes in clinical care. Here, we provide an updated genetic counseling framework for pediatric oncology professionals. The framework includes referral indications and timing, somatic and germline genetic testing options, testing for adult-onset cancer predisposition syndromes in children with and without cancer, evolving genetic counseling models to meet the increased demand for genetic testing, barriers to cancer genetic testing and surveillance in children, and psychosocial and equity considerations regarding cancer genetic testing and surveillance in children. Adaptable genetic counseling services are needed to provide support to pediatric oncology provider teams and diverse patients with pediatric cancer, cancer predisposition, and their families.

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)0,005
score de la tête « metaresearch » (Gemma)0,016
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: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,010
Score d'incertitude au seuil0,031

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0050,016
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,002
Bibliométrie0,0040,003
Études des sciences et des technologies0,0000,001
Communication savante0,0020,002
Science ouverte0,0020,001
Intégrité de la recherche0,0030,003
Charge utile insuffisante (le modèle a refusé de juger)0,0090,003

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 Opus0,436
Tête enseignante GPT0,649
Écart entre enseignants0,213 · 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
GenreSynthèse

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

En bref

Citations19
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueClinical Cancer ResearchMême sujetChildhood Cancer Survivors' Quality of LifeTravaux en français237 207