MétaCan
Menu
Retour à la cohorte
Enregistrement W4406479425 · doi:10.1080/14796694.2025.2449782

Physician knowledge, use, and perceptions of genetic biomarker testing for the management of patients with newly diagnosed advanced ovarian cancer: an international physician survey

2025· article· en· W4406479425 sur OpenAlexaboutno aff
Susana Banerjee, Ramez N. Eskander, Tom Bailey, Will Ambler, Stéphanie Volpe, Ozan Özgören, Jacek Grabowski, Giorgio Valabrega

Notice bibliographique

RevueFuture Oncology · 2025
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueBRCA gene mutations in cancer
Établissements canadiensnon disponible
Organismes subventionnairesAstraZeneca
Mots-clésMedicineOvarian cancerGenetic testingFamily medicineCancerBiomarkerMEDLINEOncologyInternal medicine

Résumé

récupéré en direct d'OpenAlex

AIMS: To explore physician-reported knowledge, use, and perceptions of genetic testing for advanced ovarian cancer management. MATERIALS & METHODS: = 390) in the US, Europe, Canada, Japan, and Australia completed an online survey spanning March 2021 to April 2022. RESULTS: Physician-reported breast cancer gene mutation (BRCAm) testing rates increased over the 2 years before the survey; most patients underwent testing in the preceding 6 months. Homologous recombination deficiency (HRD) genomic instability testing rates and physicians' confidence interpreting results remained relatively low. Genetic testing was driven by the associated treatment implications of the findings. Poor performance status, inadequate tissue, and patients' willingness to undergo testing were reported barriers to testing. CONCLUSIONS: Findings indicate that there is a need to improve both access to and information about HRD testing.

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: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,682
Score d'incertitude au seuil0,345

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 Opus0,016
Tête enseignante GPT0,317
Écart entre enseignants0,302 · 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'étudeObservationnel
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

Citations2
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueFuture OncologyMême sujetBRCA gene mutations in cancerTravaux en français237 207