Use of a screen log to audit patient recruitment into multiple randomized trials in the intensive care unit
Notice bibliographique
Résumé
OBJECTIVE: To develop and evaluate a screen log for monitoring enrollment in multiple randomized clinical trials conducted in a single center. SETTING: University-affiliated 20-bed tertiary care medical-surgical intensive care unit (ICU). PATIENTS: Consecutive ICU patients admitted between April 1995 and March 1997. METHODS: We developed a screen log for multicentered studies conducted in our ICU. Using a multiple-project, unicenter perspective, we evaluated the screen log as a tool for monitoring eligibility and enrollment of patients in four multicentered randomized trials focused on stress ulcer prophylaxis, blood transfusion thresholds, immunotherapy for sepsis and mechanical ventilation strategies. RESULTS: The screen log was used as an instrument to monitor trial execution. We recorded all aspects of study enrollment and created a taxonomy of reasons for nonenrollment into each trial. We calculated enrollment efficiency rates and used these data to develop strategies to maximize accrual. The screen log became a communication tool that fostered research-oriented continuous quality improvement initiatives for the management of concurrently conducted randomized trials in our ICU. CONCLUSIONS: Intensivists participating in several clinical trials may be interested in monitoring and maximizing enrollment when conducting multiple studies and understanding the influence of each trial on enrollment into the others. The unicenter, multiple-project screen log is one tool that may help to achieve these goals.
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 | 0,011 | 0,649 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,002 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».