Development of the Comprehensive Addiction Risk Evaluation System: Initial Participant Response to an Online Personalized Feedback Program Integrating Genomic, Behavioral, and Environmental Risk Information
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Introduction: We have made tremendous advances in understanding the etiology of substance use disorders (SUDs). Despite these advances, screening for SUDs has remained largely unchanged. In this paper, we describe an effort to build a program that integrates advances across genomics, developmental psychology, and epidemiology to provide individuals with personalized information about their addiction risk profile. Methods: The program was developed based on foundational work from a NIDA-funded project that conducted multivariate analyses of externalizing phenotypes to advance gene identification for SUDs and then characterized how polygenic scores (PGS) and early life behavioral and environmental factors predicted SUDs in diverse longitudinal samples. Based on this work, we created PGS and a behavioral and environmental risk index to generate personalized risk profiles. We carefully considered ethical concerns when developing the program. Results: We created a user-friendly, self-directed online platform that provides personalized risk information, including overall risk for developing an SUD based on an individual's combination of genetic, behavioral, and environmental risk, and specific information about genetic risk, based on PGS, and behavioral/environmental risk. Data from the first 188 participants enrolled in an ongoing study to evaluate the platform indicate high satisfaction and low distress at receiving genetic information. Conclusion: Provision of personalized feedback about addiction risk factors, including genetic information along with behavioral and environmental feedback, may be a viable way to promote earlier screening and intervention with the goal of preventing substance use problems before they start.
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.
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 | 0,001 | 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 découle