MétaCan
Menu
Retour à la cohorte
Enregistrement W4408840610 · doi:10.1176/appi.ajp.20240295

Psychiatric Genetics in Clinical Practice: Essential Knowledge for Mental Health Professionals

2025· article· en· W4408840610 sur OpenAlexfundno aff
Aaron D. Besterman, M.A. Alnor, Lynn E. DeLisi, Dorothy E. Grice, Falk W. Lohoff, Christel M. Middeldorp, Daniel J. Müller, Diego Quattrone, John I. Nürnberger, Erika L. Nurmi, David A. Ross, Takahiro Soda, Thomas G. Schulze, Brett Trost, Elisabet Vilella, Chloe X. Yap, Gwyneth Zai, Daniel Moreno‐De‐Luca

Notice bibliographique

RevueAmerican Journal of Psychiatry · 2025
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueBRCA gene mutations in cancer
Établissements canadiensnon disponible
Organismes subventionnairesFaculty of Medicine and Dentistry, University of AlbertaInstituto de Salud Carlos IIIDepartment of Psychiatry, University of TorontoUniversity of AlbertaSchool of Medicine, Indiana UniversityUniversity of TorontoUniversity of California, San DiegoUniversity of California, Los AngelesNational Institutes of HealthUniversità degli Studi di PalermoUniversitat Rovira i VirgiliHospital for Sick ChildrenBeatrice and Samuel A. Seaver FoundationUniversity of OxfordInstitut d'Investigació Sanitària Pere VirgiliAmsterdam University Medical CentersAlberta Health ServicesKing's College LondonCentro de Investigación Biomédica en Red de Salud MentalUniversidad de CaldasLudwig-Maximilians-Universität MünchenChildren's Health Research InstituteMyriad GeneticsCentres de Recerca de CatalunyaInternational OCD Foundation
Mots-clésPsychiatric geneticsPsychiatryMental healthHealth professionalsPsychologyMedicineSchizophrenia (object-oriented programming)Health care

Résumé

récupéré en direct d'OpenAlex

OBJECTIVE: The authors provide recommendations on incorporating recent advances in psychiatric genetics into clinical practice for mental health clinicians. METHOD: The International Society for Psychiatric Genetics Education Committee met monthly to come to a consensus on priority topics in psychiatric genetics. Topics were then assigned to small teams of subspecialty experts to summarize the current knowledge base and create an illustrative clinical case. Topics included, familial aggregation, common and rare genetic variants, epigenetics, gene-environment interactions, pharmacogenomics, genetic counseling, and ethical and social implications. Each section was reviewed and revised by all committee members and then finalized by the Committee Chair. RESULTS: Key findings highlight the importance of understanding the genetic architecture of psychiatric disorders, the potential applications of genetic information in risk assessment, diagnosis, treatment selection, and patient education, as well as the ethical and social considerations surrounding the use of genetic data. The committee emphasizes the need for a nuanced approach that integrates genetic factors with environmental and experiential factors in a holistic model of care. CONCLUSION: As psychiatric genetics continues to evolve rapidly, mental health clinicians must stay informed about the latest findings and their clinical implications. Ongoing education, collaboration with genetics professionals, and effective communication strategies are crucial to harness the power of genetics while avoiding potential pitfalls such as genetic determinism and stigma. The committee recommends a balanced perspective that recognizes the complex interplay of genetic and non-genetic factors in shaping mental health outcomes.

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)0,036
score de la tête « metaresearch » (Gemma)0,110
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: Sans objet
GenreSignal candidat: Synthèse · Signal consensuel: aucune
Score de désaccord entre enseignants0,036
Score d'incertitude au seuil0,192

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0360,110
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0030,002
Études des sciences et des technologies0,0040,007
Communication savante0,0090,011
Science ouverte0,0030,010
Intégrité de la recherche0,0140,017
Charge utile insuffisante (le modèle a refusé de juger)0,0090,005

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 Opus0,011
Tête enseignante GPT0,432
Écart entre enseignants0,421 · 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

Citations4
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAmerican Journal of PsychiatryMême sujetBRCA gene mutations in cancerTravaux en français237 207