MétaCan
Menu
Retour à la cohorte
Enregistrement W4401029844 · doi:10.1139/facets-2023-0101

Still using genetic data? A comparative review of Canadian life insurance application forms before and after the GNDA

2024· review· en· W4401029844 sur OpenAlexafffundvenueabout
A. P. S. Fernando, Emma Kondrup, Katherine Cheung, Diya Uberoi, Yann Joly

Notice bibliographique

RevueFACETS · 2024
Typereview
Langueen
DomaineMedicine
ThématiqueReproductive Health and Technologies
Établissements canadiensMcGill UniversityMcGill Genome Centre
Organismes subventionnairesGenome Canada
Mots-clésLife insuranceActuarial sciencePurchasingGenetic discriminationGenetic testingBusinessMedicineMarketing

Résumé

récupéré en direct d'OpenAlex

Genetic testing's increased availability has raised concerns about “genetic discrimination” (GD), where individuals may face unfair treatment, particularly when purchasing personal insurance, because of their genetic characteristics. In 2017, Canada passed the Genetic Non-Discrimination Act (GNDA) to prevent GD. This manuscript reviews post-GNDA life insurance application forms and compares them with pre-2014 application forms to assess the impact of the GNDA on insurance practices in Canada. Based on our comparative assessment, we found that the GNDA has had a modest impact on the practice of life insurers in Canada. Our study also confirms that questions about family history of disease and broadly formulated inquiries are still used on life insurance application forms. Both can, in the absence of clear instructions, lead applicants to disclose protected genetic information.

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: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,928
Score d'incertitude au seuil0,502

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,001
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 Opus0,167
Tête enseignante GPT0,425
Écart entre enseignants0,258 · 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
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

Citations12
Publié2024
Routes d'admission4
Résumé présentoui

Explorer davantage

Même revueFACETSMême sujetReproductive Health and TechnologiesTravaux en français237 207