Primary care providers' experiences with and perceptions of personalized genomic medicine
Notice bibliographique
Résumé
Objective To assess primary care providers' (PCPs') experiences with, perceptions of, and desired role in personalized medicine, with a focus on cancer.Design Qualitative study involving focus groups. Setting Urban and rural interprofessional primary care team practices in Alberta and Ontario. Participants Fifty-one PCPs.Methods Semistructured focus groups were conducted and audiorecorded.Recordings were transcribed and analyzed using techniques informed by grounded theory including coding, interpretations of patterns in the data, and constant comparison. Main findingsFive focus groups with the 51 participants were conducted; 2 took place in Alberta and 3 in Ontario.Primary care providers described limited experience with personalized medicine, citing breast cancer and prenatal care as main areas of involvement.They expressed concern over their lack of knowledge, in some circumstances relying on personal experiences to inform their attitudes and practice.Participants anticipated an inevitable role in personalized medicine primarily because patients seek and trust their advice; however, there was underlying concern about the magnitude of information and pace of discovery in this area, particularly in direct-to-consumer personal genomic testing.Increased knowledge, closer ties to genetics specialists, and relevant, reliable personalized medicine resources accessible at the point of care were reported as important for successful implementation of personalized medicine. ConclusionPrimary care providers are prepared to discuss personalized medicine, but they require better resources.Models of care that support a more meaningful relationship between PCPs and genetics specialists should be pursued.Continuing education strategies need to address knowledge gaps including direct-to-consumer genetic testing, a relatively new area provoking PCP concern.Primary care providers should be mindful of using personal experiences to guide care.
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 | 0,004 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,004 | 0,003 |
| Communication savante | 0,003 | 0,001 |
| Science ouverte | 0,000 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 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 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 ».