Bringing It All Together: A Novel Approach to the Development of Response Criteria for Chronic Gout Clinical Trials
Notice bibliographique
Résumé
OBJECTIVE: To review a novel approach for constructing composite response criteria for use in chronic gout clinical trials that implements a method of multicriteria decision-making. METHODS: Preliminary work with paper patient profiles led to a restricted set of core-set domains that were examined using 1000Minds™ by rheumatologists with an interest in gout, and (separately) by OMERACT registrants prior to OMERACT 10. These results and the 1000Minds approach were discussed during OMERACT 10 to help guide next steps in developing composite response criteria. RESULTS: There were differences in how individual indicators of response were weighted between gout experts and OMERACT registrants. Gout experts placed more weight upon changes in uric acid levels, whereas OMERACT registrants placed more weight upon reducing flares. Discussion highlighted the need for a "pain" domain to be included, for "worsening" to be an additional level within each indicator, for a group process to determine the decision-making within a 1000Minds exercise, and for the value of patient involvement. CONCLUSION: Although there was not unanimous support for the 1000Minds approach to inform the construction of composite response criteria, there is sufficient interest to justify ongoing development of this methodology and its application to real clinical trial data.
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 | 0,032 | 0,008 |
| 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 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 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 ».