The role of comparative effectiveness research in transfusion medicine clinical trials: proceedings of a National Heart, Lung, and Blood Institute workshop
Notice bibliographique
Résumé
Comparative effectiveness research (CER) is the study of existing treatments or ways to deliver health care to determine what intervention works best under specific circumstances. CER evaluates evidence from existing studies or generates new evidence, in different populations and under specific conditions in which the treatments are actually used. CER does not embrace one research design over another but compares treatments and variations in practice using methods that are most likely to yield widely generalizable results that are directly relevant to clinical practice. Treatments used in transfusion medicine (TM) are among the most widely used in clinical practice, but are among the least well studied. High-quality evidence is lacking for most transfusion practices, with research efforts hampered by regulatory restrictions and ethical barriers. To begin addressing these issues, the National Heart, Lung, and Blood Institute convened a workshop in June 2011 to address the potential role of CER in the generation of high-quality evidence for TM decision making. Workshop goals were to: 1) evaluate the current landscape of clinical research, 2) review the potential application of CER methods to clinical research, 3) assess potential barriers to the use of CER methodology, 4) determine whether pilot or vanguard studies can be used to facilitate planning of future CER research, and 5) consider the need for and delivery of training in CER methods for researchers.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,158 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
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 tête enseignante, 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 ».