MétaCan
Menu
Retour à la cohorte
Enregistrement W107665127 · doi:10.3233/978-1-58603-979-0-209

Genotypic Approaches to Therapy in Children (GATC): Using Information Technology to Improve Drug Safety

2009· article· en· W107665127 sur OpenAlexaffabout
Elaine Wong, Bruce Carleton, Daniel F. B. Wright, Mark A. Smith, L Verbeek, Celia Hildebrand, P Stannard, Régis Vaillancourt, P Elliot-Miller, Colin J.D. Ross, Michael R. Hayden

Notice bibliographique

RevueStudies in health technology and informatics · 2009
Typearticle
Langueen
DomaineMedicine
ThématiquePharmaceutical studies and practices
Établissements canadiensChildren's Hospital of Eastern Ontario
Organismes subventionnairesnon disponible
Mots-clésDrug reactionMedicineAdverse drug reactionDrugAdverse effectGenetic diagnosisBioinformaticsPediatricsIntensive care medicineInternal medicinePharmacologyGeneticsGeneBiology

Résumé

récupéré en direct d'OpenAlex

Adverse drug reactions (ADRs) are a major cause of morbidity and mortality in children. Current models of ADR surveillance have repeatedly demonstrated little pragmatic value to practicing clinicians. ADR reporting rates in the US and Canada suggest that only 5% of ADRs are reported. The Genotypic Approaches to Therapy in Children (GATC) network was established to identify and solve drug safety problems in paediatrics. We hypothesized that genetic polymorphisms underlie a significant portion of concentration-dependent ADRs in children. Our objective was to establish an ADR active surveillance network in paediatric hospitals across Canada. Surveillance clinicians evaluate clinical information from ADR cases and drug-matched controls, and collected DNA samples from all patients. The surveillance network will enable the identification of predictive genomic-markers for ADRs. With this knowledge, children at risk can be identified before therapy is initiated and enable personalized adjustments to therapy based on genetic make-up.

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)0,006
score de la tête « metaresearch » (Gemma)0,015
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,055
Score d'incertitude au seuil0,110

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0060,015
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,002
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,113
Tête enseignante GPT0,410
Écart entre enseignants0,297 · 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'étudeSans objet
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

Citations1
Publié2009
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueStudies in health technology and informaticsMême sujetPharmaceutical studies and practicesTravaux en français237 207