An overview of the advanced data collection techniques in the environmental exposure unit (EEU)
Notice bibliographique
Résumé
Capturing symptom data for large studies (≥60 participants) in ≤30 minutes is hard to achieve using manual data entry without substantial costs and resources. This challenge is highlighted if the data are needed to make real-time clinical decisions. The 140 participant capacity of the Environmental Exposure Unit (EEU) requires an advanced method to process symptom data. Advanced scanning technologies are used with a customized two-step quality assurance data collection process. Optical Mark Recognition (OMR) and Optical Character Recognition (OCR) capture data from paper symptom diary cards into the EEU’s clinical data management system (CDMS). A template is configured to read the static diary card format and assign zones where the specific diary card data are located. The user configures field requirements within the zones to validate data captured. Cards that do not meet a predefined confidence level for any particular zone will be flagged for a quality check. The quality checking process involves one user visually confirming all data captured and a second user inputting all values from the card to ensure accuracy. Invalid data are rejected from the batch and returned to the participant for correction. Corrected cards are scanned again and all valid data are transferred into the CDMS. Capturing data using the advanced scanning system allows a team of 3 to process 120 symptom diary cards containing 9 symptoms and 3 peak nasal inspiratory flow (PNIF) scores, with 99.9% accuracy in <15 minutes. In comparison, manual data entry would require a team of 8 to achieve similar results. For large studies with short assessment periods, the scanning system utilized in the EEU is significantly more efficient in all aspects of data acquisition than manual entry. This ability to accommodate large studies in an accurate, efficient manner leads to an ideal setting for the conduct of time-sensitive clinical trials.
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 | 0,042 | 0,037 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,002 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,006 | 0,005 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,004 | 0,003 |
| Science ouverte | 0,004 | 0,003 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,013 | 0,019 |
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 ».