What Has Been the Effect on Trial Outcome Assessments of a Decade of Patient Participation in OMERACT?
Notice bibliographique
Résumé
OBJECTIVE: Since 2002, 58 patients have participated as collaborating partners in 6 Outcome Measures in Rheumatology (OMERACT) conferences. Little is known about how they engage with researchers and how they have influenced conference outcomes. METHODS: A responsive evaluation was carried out, including a thematic document analysis of conference proceedings and gray literature, participant observation, and 38 interviews with patients and professionals representing research, industry, and regulators. Interview transcripts were subjected to an inductive content analysis. RESULTS: The role of patients has evolved from a single focus group in 2002 to full integration in all parts of the conference in 2012. Longterm engagement has made a significant change in the scope and conduct of rheumatology research. It has enriched the research agenda by identifying previously neglected outcome domains such as fatigue, sleep disturbances, and flares, and it has contributed to more patient-relevant outcomes in clinical trials. Facilitating factors have been a strong commitment of the leadership, adequate selection procedure, inclusive conference design, interactive and encouraging moderation style, and self-organized support. The intensity of the program and doubts regarding the representativeness of the patient group were still seen as challenges for the future. CONCLUSION: Making patient participation an integral part of the vision and procedures of OMERACT has significantly contributed to the success of OMERACT. It has changed the perceptions and beliefs of many participants. Full use of patients' experiential knowledge before and during the conference is still challenging.
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 | 0,003 | 0,000 |
| 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 | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».