MétaCan
Menu
Retour à la cohorte
Enregistrement W6957901040 · doi:10.60692/31cck-rfw30

Genetic counseling in the context of Bangladesh: current scenario, challenges, and a framework for genetic service implementation

2021· article· en· W6957901040 sur OpenAlexaff

Notice bibliographique

RevueGreater South Information System · 2021
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueBRCA gene mutations in cancer
Établissements canadiensUniversity of Alberta
Organismes subventionnairesnon disponible
Mots-clésContext (archaeology)Genetic counselingPublic healthGenetic testingService (business)GenomicsHealth care

Résumé

récupéré en direct d'OpenAlex

With the advancements in genetics and genomics in the twenty-first century, genetic services have become an integral part of medical practices in high-income and upper-middle-income countries. However, people living in low and lower-middle-income countries (LICs and LIMCs), including Bangladesh, are rather underprivileged in receiving genetic services. Consequently, genetic disorders are emerging as a significant public health concern in these countries. Lack of expertise, high expense, the dearth of epidemiological data, insufficiently updated medical education system, poor infrastructure, and the absence of comprehensive health policies are the main factors causing people living in these countries not having access to genetic services. In this article, the authors took benefit from their professional experience of practicing medical genetics in the area and reviewed existing literature to provide their opinions. Particularly, it reviews the current knowledge of genetic disorders' burden and their causative factors in Bangladesh. It focuses on why providing genetic services is challenging in the context of the country's cultural and religious sentiment. Finally, it proposes a physician-academician collaborative framework within the existing facility that aims to tackle the challenges. Such a framework could also be useful for other LICs and LMICs to address the challenges associated with providing genetic services.

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)0,011
score de la tête « metaresearch » (Gemma)0,013
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,046
Score d'incertitude au seuil0,092

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0110,013
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0060,005
Communication savante0,0080,006
Science ouverte0,0030,010
Intégrité de la recherche0,0090,008
Charge utile insuffisante (le modèle a refusé de juger)0,0100,001

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.

Tête enseignante Opus0,040
Tête enseignante GPT0,282
Écart entre enseignants0,242 · 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'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueGreater South Information SystemMême sujetBRCA gene mutations in cancerTravaux en français237 207