Utility of eConsult to enhance delivery of cancer genetic services and identify hereditary cancer knowledge gaps in primary care
Notice bibliographique
Résumé
Purpose: This study analyzed the utility of electronic consultation (eConsult) for hereditary cancer (HC) and aimed to identify primary care practitioner (PCP) knowledge gaps. Methods: A retrospective mixed-methods study was used to evaluate 200 randomly selected PCP eConsult cases submitted to cancer genetics specialists in Ontario, Canada. Results: In 65% (129/200) of eConsults, PCPs indicated they received clear advice for a new course of action. In 34% (68/200), referral was contemplated but now avoided. In 8% (16/200), referral was advised when not originally planned. For 89% (177/200), eConsult was considered valuable. For most, (63%, 125/200), PCPs agreed eConsult addressed a clinical problem that should be incorporated into continuing medical education. PCPs' questions were mainly about cancer screening (114), genetic testing (107), or genetics referral (76). Geneticist recommendations were mainly about cancer screening (154), genetics referral (104), and the High-Risk Ontario Breast Cancer Screening Program (41). PCP knowledge gaps identified included cancer screening guidelines (112), genetics referral criteria (100), High-Risk Ontario Breast Cancer Screening Program screening criteria (71), and understanding of genetics principles (237). Conclusion: eConsult is an effective tool for PCP access to HC specialists. Identifiable knowledge gaps emerge that could be used to enhance continuing medical education and drive innovative HC service delivery.
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 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| 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 ».