Attitudes regarding polygenic risk testing for lung cancer: a mixed-methods study
Notice bibliographique
Résumé
BACKGROUND: Polygenic risk scores (PRS) hold promise for early lung cancer detection and personalized treatment, yet factors influencing patient interest in PRS-based genetic testing are not well understood. PURPOSE: Grounded in the health belief model, this mixed-methods study explored knowledge, attitudes, perceived benefits and barriers to lung cancer PRS, and preferences for receiving PRS results. RESULTS: The study included 141 individuals (41% African American, 63% female) recruited from two hospital affiliates of a comprehensive cancer center in the Southwestern United States. Although participants recognized the severity of lung cancer, knowledge of PRS was limited. Concerns about privacy, psychological impacts, and uncertainty about result usefulness diminished interest in genetic testing for polygenic risk. Significant differences (P < .05) in attitudes were observed: women expressed heightened concerns about psychological effects, and African Americans reported greater perceptions of stigma and concerns about potential familial consequences. Qualitative findings emphasized the psychological burden of learning one's genetic risk, particularly among those with family cancer histories or smoking exposure. Participants emphasized the need for clear, actionable results and assurances of data privacy. CONCLUSIONS: Perceived benefits and barriers to PRS-based testing varied by sociodemographic and personal risk factors, with concerns about stigma, psychological burden, and privacy shaping attitudes. Given participants' emphasis on clear, actionable results, strategies to enhance uptake should improve risk communication, ensure data privacy, and provide guidance on risk-reducing actions. Tailored approaches addressing subgroup-specific concerns may improve diverse patient engagement and equitable access to PRS.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,028 | 0,028 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
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 source (Gemma direct ou Codex distillé), 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 ».