“Should I Let Them Know I Have This?”: Multifaceted Genetic Discrimination and Limited Awareness of Legal Protections among Individuals with Hereditary Cancer Syndromes
Notice bibliographique
Résumé
INTRODUCTION: Hereditary cancer syndromes (HCS), such as hereditary breast and ovarian cancer syndrome (HBOC) and Lynch syndrome (LS), represent approximately 10% of all cancers. Along with medical burdens associated with the genetic risk of developing cancer, many individuals face stigma and discrimination. Genetic discrimination refers to negative treatment, unfair profiling, or harm based on genetic characteristics, manifesting as "felt" stigma (ostracization without discriminatory acts) or "enacted" stigma (experiencing discriminatory acts). This study aimed to describe concerns and experiences of genetic discrimination faced by individuals with HCS. METHODS: Semi-structured qualitative interviews were conducted with individuals with molecularly confirmed HCS residing in Ontario, British Columbia, and Newfoundland and Labrador, Canada. Purposive sampling was applied to obtain a diverse sample across demographic characteristics. Study procedures were informed by interpretive description; data were thematically analyzed using constant comparison. RESULTS: Seventy-three participants were interviewed (39 HBOC, 34 LS; 51 females, 21 males, 1 gender-diverse; aged 25-80). Participants described multifaceted forms of genetic discrimination across healthcare, insurance, employment, and family/social settings. Participants valued the Genetic Nondiscrimination Act's protective intent but demonstrated limited knowledge of its existence and provisions. Limited knowledge, coupled with policy constraints in non-legislative settings and third-party use of proxy genetic information, hindered participants' ability to whistleblow or seek recourse. CONCLUSION: Our results illuminate a disconnection between the intended protective effects of genetic nondiscrimination legislation and ongoing genetic discrimination faced by individuals with hereditary conditions. To better support these individuals, this study encourages public outreach and knowledge translation efforts to increase awareness of nondiscrimination legal protections.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
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 tête enseignante, 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 ».