Linkage of Clinical Trial and Administrative Data: A Survey of Cancer Patient Preferences
Notice bibliographique
Résumé
Background: Personal health information, including diagnoses and hospital admissions, is routinely collected in administrative databases. Patients enrolling on clinical trials consent to separate collection and storage of their personal health information. We evaluated patient preferences for linking long-term data from administrative databases with clinical trials. Methods: Adults with cancer attending outpatient clinics at 3 Ontario hospitals were surveyed about their willingness, when faced with the hypothetical scenario of participating in a clinical trial, to provide potentially identifying information such as initials and date of birth to facilitate long-term research access to normally deidentified publicly collected databases. Results: Of 569 patients surveyed, 335 (59%) were women, 452 (79%) were white, 385 (68%) had a post-secondary education, and 386 (68%) had never participated in a clinical trial. Median age in the group was 59 years. Most participants (93%, cohort 1) would allow long-term access to their information and allow personal information to be used to match clinical trial with administrative data. At the time of clinical trial closure, two thirds of participants (68%, cohort 2) preferred to make additional clinical information available through linkage with administrative databases, and 8 (9%) preferred to have no further information made available to researchers. No significant differences were found in the subset of patients who were part of a clinical trial and those who had never participated (p = 0.65). Interpretation: Almost all patients would allow a clinical trial research team to access their confidential information, providing a more comprehensive assessment of an intervention’s long-term risks and benefits.
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 | 0,008 | 0,098 |
| 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 | 0,002 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| 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 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 ».