Opportunistic screening for broad range of medically relevant secondary findings: Laboratory benefits and burdens
Notice bibliographique
Résumé
PURPOSE: Exome and genome sequencing enable opportunistic screening for secondary findings (SFs). We report on exome analysis for a broad range of medically relevant SFs in the setting of the Incidental Genomics randomized clinical trial (NCT03597165). METHODS: Participants had exome sequencing and were randomized to receive only primary cancer findings (control) or cancer findings and a choice of SFs (intervention). RESULTS: Across 279 participants, there were 4441 unique variants in SF genes: 5.0% (221) were reportable pathogenic/likely pathogenic variants, and 81.4% (3615) were nonreportable variants of uncertain significance (VUS). Intervention arm participants had on average 2.6 (SD 1.66, range 0-9) pathogenic/likely pathogenic variants and 29.5 VUS (SD 13.2, range 2-74). SFs for monogenic disease risk were reported in 35.3% (49/139) of participants (American College of Medical Genetics and Genomics non-cancer subset in 1.4%) and carrier status in 89.3% (117/131). In the intervention arm, variant filtration was 7.7 times longer per case (95% CI 5.3 to 11.3, P < .0001), variant classification was 13.3 times longer (95% CI 10.6 to 16.5, P < .0001), and report preparation was 3.3 times longer (95% CI 2.6 to 4.1, P < .0001). CONCLUSION: Although the yield of reportable SFs was high, this was accompanied by many nonreportable VUS and increased efforts for exome analysis.
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 | 0,008 | 0,022 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 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 ».