MétaCan
Menu
Retour à la cohorte
Enregistrement W2612933814 · doi:10.1200/jco.2012.30.15_suppl.e13107

Designing a web application for personalized medicine trials.

2012· article· en· W2612933814 sur OpenAlexaff
Stuart Watt, Wei Jiao, Andrew Brown, Teresa Petrocelli, Ben Tran, Tong Zhang, Janet Dancey, Lillian L. Siu, Lincoln Stein, Vincent Ferretti

Notice bibliographique

RevueJournal of Clinical Oncology · 2012
Typearticle
Langueen
DomaineDecision Sciences
ThématiqueScientific Computing and Data Management
Établissements canadiensPrincess Margaret Cancer CentreUniversity of TorontoOntario Institute for Cancer Research
Organismes subventionnairesnon disponible
Mots-clésMedicineGenomicsPersonalized medicinePrecision medicineClinical trialBiorepositoryInformaticsHealth informaticsBiobankMedical physicsBioinformaticsPathologyGenome

Résumé

récupéré en direct d'OpenAlex

e13107 Background: Clinical genomics uses information from a patient's genome in clinical decision-making, an example of personalized medicine. The OICR/UHN Genomics Cohort Study is assessing the feasibility and developing standard operating procedures for clinical genomics in late stage cancer patients to enable larger trials. Tumor DNA from consenting patients is sequenced across 19 genes to identify actionable mutations and inform use of targeted therapeutic agents. Informatics systems are critical as the study involves 40 staff in 5 cancer centres, 2 laboratories, 3 genomics technologies, and spans screening, consent, obtaining/processing biopsy samples, genomic analysis, clinical laboratory verification, and reporting for decision-making. Methods: We used a process-centered method to develop a web system to manage study activities. Initially it tracked patients, samples, genomic results, decisions and reports across the cohort, monitored progress and sent reminders, working alongside an electronic data capture (EDC) system for the trial's clinical and genomic results. We later added a system to read, store, and analyze the genomics data, and a knowledge base of mutations’ tumor frequency (from the COSMIC database) annotated with clinical significance and drug sensitivity to generate reports for clinicians. Results: The web tracker proved highly adaptive. The design method allowed procedural refinements mid-study, including changes in sample preparation, sample sources, and differences in nomenclature across technologies. As the study procedures stabilized, the system provided deeper support for clinical decision making, enabling the generation of draft reports for verification by an expert panel prior to forwarding to the treating physician. The web tracker complemented the EDC system with its fixed modules for collection of clinical data and genomic results. Conclusions: The system effectively complemented clinical trial software. An agile development process enabled procedures to be refined as feasibility issues were found and resolved, and enabled flexible analysis of mutation data. Our design approach helped stabilize effective procedures for a clinical genomics service, and establish means to assess its performance.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,254
score de la tête « metaresearch » (Gemma)0,222
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche
Catégories consensuellesMétarecherche
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,887
Score d'incertitude au seuil0,785

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,2540,222
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,764
Tête enseignante GPT0,659
Écart entre enseignants0,106 · 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

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

Citations0
Publié2012
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Clinical OncologyMême sujetScientific Computing and Data ManagementTravaux en français237 207