MétaCan
Menu
Retour à la cohorte
Enregistrement W1481320494 · doi:10.1002/ppul.23146

Novel outcome measures for clinical trials in cystic fibrosis

2014· review· en· W1481320494 sur OpenAlexaff
Harm A.W.M. Tiddens, Michael Puderbach, José G. Venegas, Félix Ratjen, Scott H. Donaldson, Stephanie D. Davis, Steven M. Rowe, Scott D. Sagel, Mark Higgins, David Waltz

Notice bibliographique

RevuePediatric Pulmonology · 2014
Typereview
Langueen
DomaineMedicine
ThématiqueCystic Fibrosis Research Advances
Établissements canadiensUniversity of Toronto
Organismes subventionnairesNational Center for Advancing Translational SciencesNovartis PharmaDeutsche ForschungsgemeinschaftErasmus Medisch CentrumInsmedBundesministerium für Bildung und ForschungNational Heart, Lung, and Blood InstituteGilead SciencesNational Institutes of HealthVertex PharmaceuticalsPTC TherapeuticsEli Lilly and Company
Mots-clésMedicineCystic fibrosisClinical trialIntensive care medicineDiseaseClinical endpointBioinformaticsInternal medicine

Résumé

récupéré en direct d'OpenAlex

Cystic fibrosis (CF) is a common inherited condition caused by mutations in the gene encoding the CF transmembrane regulator protein. With increased understanding of the molecular mechanisms underlying CF and the development of new therapies there comes the need to develop new outcome measures to assess the disease, its progression and response to treatment. As there are limitations to the current endpoints accepted for regulatory purposes, a workshop to discuss novel endpoints for clinical trials in CF was held in Anaheim, California in November 2011. The pros and cons of novel outcome measures with potential utility for evaluation of novel treatments in CF were critically evaluated. The highlights of the 2011 workshop and subsequent advances in technologies and techniques that could be used to inform the development of clinical trial endpoints are summarized in this review. Pediatr Pulmonol. © 2014 The Authors. Pediatric Pulmonology published by Wiley Periodicals, Inc.

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,018
score de la tête « metaresearch » (Gemma)0,148
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche, Méta-épidémiologie (sens strict), Intégrité de la recherche
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,985
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0180,148
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0120,003
Bibliométrie0,0020,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,340
Tête enseignante GPT0,541
Écart entre enseignants0,201 · 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 tête enseignante, pas un consensus.

Devis d'étudeSans objet
Domainenon disponible
GenreSynthèse

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

En bref

Citations42
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePediatric PulmonologyMême sujetCystic Fibrosis Research AdvancesTravaux en français237 207