Common data elements for clinical research in mitochondrial disease: a National Institute for Neurological Disorders and Stroke project
Notice bibliographique
Résumé
OBJECTIVES: The common data elements (CDE) project was developed by the National Institute of Neurological Disorders and Stroke (NINDS) to provide clinical researchers with tools to improve data quality and allow for harmonization of data collected in different research studies. CDEs have been created for several neurological diseases; the aim of this project was to develop CDEs specifically curated for mitochondrial disease (Mito) to enhance clinical research. METHODS: Nine working groups (WGs), composed of international mitochondrial disease experts, provided recommendations for Mito clinical research. They initially reviewed existing NINDS CDEs and instruments, and developed new data elements or instruments when needed. Recommendations were organized, internally reviewed by the Mito WGs, and posted online for external public comment for a period of eight weeks. The final version was again reviewed by all WGs and the NINDS CDE team prior to posting for public use. RESULTS: The NINDS Mito CDEs and supporting documents are publicly available on the NINDS CDE website ( https://commondataelements.ninds.nih.gov/ ), organized into domain categories such as Participant/Subject Characteristics, Assessments, and Examinations. CONCLUSION: We developed a comprehensive set of CDE recommendations, data definitions, case report forms (CRFs), and guidelines for use in Mito clinical research. The widespread use of CDEs is intended to enhance Mito clinical research endeavors, including natural history studies, clinical trial design, and data sharing. Ongoing international collaboration will facilitate regular review, updates and online publication of Mito CDEs, and support improved consistency of data collection and reporting.
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 | 0,002 | 0,008 |
| 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 | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 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 ».