MétaCan
Menu
Retour à la cohorte
Enregistrement W2158165432 · doi:10.4338/aci-2011-04-cr-0026

Using real-time alerts for clinical trials

2011· article· en· W2158165432 sur OpenAlexaff
Eric K.H. Chow, Muhammad Abdul Wasay Zuberi, Ryoma Seto, Susy Hota, Emily Fish, Dante Morra

Notice bibliographique

RevueApplied Clinical Informatics · 2011
Typearticle
Langueen
DomaineHealth Professions
ThématiqueElectronic Health Records Systems
Établissements canadiensToronto General HospitalUniversity of TorontoUniversity Health Network
Organismes subventionnairesnon disponible
Mots-clésMedicineMedical emergencyClinical trialPharmacyMedical prescriptionRandomized controlled trialIdentification (biology)TelemedicineEmergency medicineHealth careFamily medicineInternal medicineNursing

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Clinical trials are widely accepted as a necessary step in evaluating the safety and efficacy of new pharmaceutical products. In order for a sufficiently powered study, a clinical trial depends on the effective and unbiased recruitment of eligible patients. Trials involving seasonal diseases like influenza pose additional challenges. OBJECTIVE: This is a feasibility study of a mobile real-time alerting system to systematically identify potential study subjects for a randomized controlled trial evaluating the safety and efficacy of early intervention with interferon alfacon-1 for patients hospitalized for influenza virus infection. METHODS: The alerting system was setup in a 471-bed acute care teaching hospital, enabled with computerized physician order entry (CPOE) and a rules-based alerting system. Patients were identified from the entire hospital using two alerts types: pharmacy prescription records for antiviral drugs, and positive influenza laboratory results. Email alerts were generated and sent to BlackBerry(®) devices carried by the study personnel for a 6 month period. The alerts were archived automatically on a secure server and were exported for analysis in Microsoft Access. RESULTS: Over a period of 21 weeks, 779 total alerts were received. The study team was alerted to 241 patients, of whom 85 were potential study subjects. The alert system identified all but one of the patients independently identified by infection control. CONCLUSIONS: Real-time identification of potential study subjects is possible with the integration of computerized physician order entry and BlackBerry(®) technology. It is a viable method for the systematic identification of patients throughout a hospital, particularly for trials investigating time-sensitive disease progression.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,220
score de la tête « metaresearch » (Gemma)0,428
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,220
Score d'incertitude au seuil0,962

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,2200,428
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0020,002
Bibliométrie0,0050,004
Études des sciences et des technologies0,0010,002
Communication savante0,0080,006
Science ouverte0,0030,003
Intégrité de la recherche0,0040,003
Charge utile insuffisante (le modèle a refusé de juger)0,0170,006

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.

Tête enseignante Opus0,816
Tête enseignante GPT0,672
Écart entre enseignants0,145 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Devis d'étudeSans objet
Domainenon disponible
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations6
Publié2011
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueApplied Clinical InformaticsMême sujetElectronic Health Records SystemsTravaux en français237 207