MétaCan
Menu
← Retour à la cohorte
Enregistrement W2401449406

The science of health technology assessment--clinical effectiveness of therapeutic interventions.

2001· article· en· W2401449406 sur OpenAlexaff
Jacques LeLorier

Notice bibliographique

RevuePubMed · 2001
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueHealth Systems, Economic Evaluations, Quality of Life
Établissements canadiensCentre Hospitalier de l’Université de Montréal
Organismes subventionnairesnon disponible
Mots-clésMedicinePharmacovigilanceCohortPostmarketing surveillanceProtocol (science)Psychological interventionClinical trialDrugIntensive care medicineFamily medicineAlternative medicineAdverse effectPharmacologyPsychiatryPathology
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Important information is not, and cannot, be available at the time a new drug enters the market. Delaying registration is not the answer because most of this information can only be obtained in a real life situation. Several types of postmarketing (phase IV studies) can be identified. The active pharmacovigilance cohort who allows large number of patients to be followed for long periods of time can answer questions about the incidence of rare events (less than one of 3000 patients). The prospective effectiveness cohort can answer questions on long term efficacy (more than two years). The simplified clinical trial, which implies randomly assigning patients and then following them with a 'naturalistic' protocol can answer questions about effectiveness (efficacy in real life). The drug use study is the only way to answer questions of key importance to drug plan managers such as 'which drug(s) is it going to replace?' and 'is it going to be used as first line or second line?'. Phase IV studies, which in some cases should be mandatory (conditional registration), are essential for the protection of the patients and the proper use of public funds to reimburse drugs.

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)0,121
score de la tête « metaresearch » (Gemma)0,296
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche
Catégories consensuellesaucune
DomaineSignal candidat: Méthodes · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,879
Score d'incertitude au seuil0,641

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,1210,296
Méta-épidémiologie (sens strict)0,0030,001
Méta-épidémiologie (sens large)0,0070,002
Bibliométrie0,0090,009
Études des sciences et des technologies0,0010,009
Communication savante0,0100,010
Science ouverte0,0020,005
Intégrité de la recherche0,0050,006
Charge utile insuffisante (le modèle a refusé de juger)0,0130,004

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 Opus0,555
Tête enseignante GPT0,533
Écart entre enseignants0,023 · 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'étudeThéorique ou conceptuel
DomaineMéthodes
GenreEmpirique

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
Publié2001
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePubMed→Même sujetHealth Systems, Economic Evaluations, Quality of Life→Travaux en français237 207→