Optimizing the Use of Electronic Data Sources in Clinical Trials: The Technology Landscape
Notice bibliographique
Résumé
TransCelerate has created an initiative to facilitate the industry's movement toward optimal use of electronic data sources for clinical research. Although guidance and standards have been in place for some time, gaps remain. Consequently, transcription among electronic systems continues to be the norm. In the initial phase of the eSource Initiative, TransCelerate is developing a thorough understanding of the current landscape. As a preliminary step in this process, the TransCelerate eSource Initiative published Optimizing the Use of Electronic Data Sources in Clinical Trials: The Landscape Part I, which provided insight into sponsor company eSource activities and the environment affecting eSource adoption based on input from TransCelerate member companies, standards organizations, and regulatory authorities. For Part II (this article), TransCelerate surveyed technology companies, including CROs providing technology, to better understand capabilities available today, plans for eSource, and perceived barriers to greater adoption. This information is a vital input that will help shape upcoming TransCelerate proposals for best practices for industry utilization of electronic data collection tools and methods. It is clear from the survey results that the technologies needed to support the various eSource modalities are mature. However, the approach to implementing eSource is fragmented. Greater collaboration is needed not only within the pharmaceutical industry but across industries that include health care and technology. The industry must reach common understandings about novel endpoints, data standards, system validation, and related issues. While technology in itself is not a significant barrier to eSource implementation, interoperability among systems is an enormous challenge to establishing a complete end-to-end electronic health care and research ecosystem. The TransCelerate eSource Initiative will continue to evaluate the technology, regulatory environment, data standards, and health care landscape to support the goal of improving global clinical science and global clinical trial execution. Forthcoming publications will focus on future vision and demonstration projects.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,494 | 0,499 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,002 |
| Méta-épidémiologie (sens large) | 0,002 | 0,003 |
| Bibliométrie | 0,010 | 0,013 |
| Études des sciences et des technologies | 0,003 | 0,009 |
| Communication savante | 0,030 | 0,037 |
| Science ouverte | 0,006 | 0,015 |
| Intégrité de la recherche | 0,007 | 0,011 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,002 |
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; l’étiquette directe de Gemma et le classifieur distillé Codex s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».