Data Analytics from Enroll‐<scp>HD</scp>, a Global Clinical Research Platform for Huntington's Disease
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
BACKGROUND: The study of complex neurodegenerative diseases is moving away from hypothesis-driven biological methods toward large scale multimodal approaches, requiring standardized collaborative efforts. Enroll-HD exemplifies such an integrated clinical research platform, designed and implemented to meet the research and clinical needs of Huntington's disease (HD). The aim of this study was to describe the unique organization of Enroll-HD and report baseline data analyses of its core study. METHODS: The Enroll-HD platform incorporates electronic data capture, biosampling, and a longitudinal observational study spanning four continents (ClinicalTrials.gov Identifier: NCT01574053). The primary study population includes HD gene expansion carriers (HDGECs; CAG expansion ≥36), subdivided into manifest/premanifest HD. The control population consists of genotype-negative first-degree relatives and family controls not genetically related. The study includes 10 core clinical assessments covering motor, cognitive, and behavioral domains. RESULTS: This data set comprises 1,534 participants (HDGEC = 1,071; controls = 463). Participant retention was high; 42 participants prematurely withdrew from the study. Mean ± standard deviation SD CAG repeat size was 43.5 ± 3.5 for HDGECs and 19.8 ± 3.4 for controls. Motor and behavioral assessments identified numerical differences between controls and HDGECs (manifest > premanifest > controls). Functional and independence assessments were generally similar for the premanifest and control groups with overlap in range of scores obtained. For the majority of cognitive tests, there were large differences between participants with manifest HD and all other groups. CONCLUSIONS: These first data from the Enroll-HD clinical research platform demonstrate the maturity and potential of the platform in collecting high-quality, clinically relevant data. Future data sets will be substantially larger as the platform expands longitudinally and regionally.
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.
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 | 0,007 | 0,361 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,003 | 0,002 |
| 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 découle