Abstract T MP102: Hotline Use for Recruitment Support in Acute Stroke Trials: Lessons learned To Date in Antihypertensive Treatment of Acute Cerebral Hemorrhage (ATACH)-II
Notice bibliographique
Résumé
Background: Use of hotline services for clinical support and safe operation of a research trial is common and important. The value of such services has not been objectively assessed within the context of a large acute stroke clinical trial. Methods: The use of three different hotline services have been tested, and cell and Email- options have also been explored for their advantages. US and Non-US sites are provided access to central hotline services, but for efficiency a local network for managing calls is established in each region. All sites may access both data management and the trial PI via hotline services when needed and this is supported by other technologies in addition. A means for supporting overall trial communications in light of these interactions has been developed and valuable insights are gained. Results: Data gathered from 211 calls logged at the Clinical Coordinating Center through the course of the ATACH-II trial have been summarized: Total Calls Reviewed: 211; Year 2 of trial: 92 calls, Year 3 of trial: 100 calls. Calls received midnight to 8 AM: 19 (9.0%), 8 AM - 5 PM 130 (61.6 %) 5 PM - 12:00 PM 65 (30.8%). Issues Resolved in < 5 min 143/211 (67.8%) Taking > 30 min to resolution 51/211 (24.2%). Purpose of calls: Eligibility 89 (42.2%). protocol compliance including drug management: 77 (36.5%%), randomization/emergency randomization: 16 (7.6%), protocol deviation:13 (6.2%), technological difficulties: 12 (5.7%), AE/SAE: 9 (4.3%), Subject enrollments directly associated with calls: 57 (20.8% of domestic subjects); excluded candidates directly associated with calls: 46 (% not available). Conclusions: In an international trial requiring rapid enrollment of subjects with intracerebral hemorrhage, the role of direct support via a hotline and other immediate communications means has proven to be instrumental in maintaining good protocol compliance and supporting enrollment by site team members .
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 | 0,051 | 0,135 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,004 | 0,003 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,029 | 0,008 |
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 ».