L’implantation du test génomique prénatal non invasif dans un contexte d’universalisation et d’expansion : une étude qualitative des perceptions des professionnels de la santé
Bibliographic record
Abstract
Depuis la commercialisation du test génomique prénatal non invasif (TGPNI) en 2011, la communauté scientifique s’affaire à déterminer qui devrait y avoir accès et quelles conditions génétiques devraient être dépistées. L’implantation de cette technologie de dépistage prénatal dans les systèmes de santé a créé une mini-révolution remettant en question le statu quo bien établi depuis des années. C’est que le TGPNI ne requiert qu’une seule prise de sang, il peut être réalisé au courant du premier trimestre et ses résultats sont basés sur une analyse génétique plutôt que probabiliste comme les méthodes de dépistage traditionnelles. Cette thèse s’ajoute aux réflexions qu’ont menées les bioéthiciens au cours des dernières décennies au sujet du dépistage prénatal. Elle a pour but d’appuyer les professionnels de la santé et les décideurs publics dans les choix qu’ils feront pour offrir le TGPNI à la population qu’ils desservent. Elle s’appuie sur une discussion dans la littérature scientifique qui s’intéresse aux enjeux éthiques de l’implantation du TGPNI auprès de diverses populations et au sujet des conditions qui sont dépistées. Alors qu’initialement limitées aux personnes enceintes ayant une haute probabilité d’avoir un fœtus avec une aneuploïdie, les récentes avancées scientifiques permettent d’offrir le TGPNI à toutes les personnes enceintes. De plus, la précision du dépistage permet d’aller au-delà des aneuploïdies et de cibler des modifications génétiques de plus petites tailles. Les enjeux éthiques pour ces deux réalités dépassent maintenant ceux du dépistage prénatal qui était limité à certaines conditions et à certaines populations. Cette thèse présente d’abord au chapitre 1 un état de la littérature au sujet du TGPNI, de son implantation au Canada, de son offre potentielle en première intention et de l’expansion des conditions qu’il pourrait dépister. Le chapitre 2 aborde la problématique traitée par cette thèse et le chapitre 3 est dédié à la réflexivité de l’auteur à propos de son sujet de recherche. Le chapitre 4 contient un premier article qui décrit le cadre conceptuel et l’outil d’analyse utilisés pour concevoir cette recherche. Il présente la place du TGPNI en recherche translationnelle, l’importance de la science de l’implantation pour considérer ses enjeux éthiques et l’outil utilisé pour collecter et analyser des données auprès des professionnels de la santé : le Consolidated Framework for Implementation Research (CFIR). Le chapitre 5 présente la méthodologie qui a été utilisée pour collecter et analyser les données du projet de recherche. Le chapitre 6 contient le deuxième article qui présente les résultats d’entrevues semi-dirigées réalisées avec des professionnels de la santé œuvrant en soins périnataux. Le chapitre décrit des barrières et des facilitateurs qui peuvent impacter l’implantation en première intention du TGPNI. Les enjeux éthiques sous-jacents à ces barrières et facilitateurs sont présentés en complément du deuxième article. Le chapitre 7 contient le troisième article qui présente les résultats de la collecte de données au sujet de l’expansion du TGPNI. Il aborde les enjeux éthiques que présente l’expansion et des critères qui pourraient être utilisés pour la circonscrire. Le chapitre 8 aborde des constats explorant l’avenir du TGPNI au Canada.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.035 | 0.063 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.003 | 0.007 |
| Scholarly communication | 0.004 | 0.004 |
| Open science | 0.001 | 0.004 |
| Research integrity | 0.001 | 0.003 |
| Insufficient payload (model declined to judge) | 0.004 | 0.000 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".