The CANadian Pediatric Weight management Registry (CANPWR): lessons learned from developing and initiating a national, multi-centre study embedded in pediatric clinical practice
Notice bibliographique
Résumé
BACKGROUND: There is increasing recognition of the value of "real-world evidence" in evaluating health care services. Registry-based, observational studies conducted in clinical settings represent a relevant model to achieve this directive. Starting in 2010, we undertook a longitudinal, observational study (the CANadian Pediatric Weight management Registry [CANPWR]), which is embedded in 10 multidisciplinary, pediatric weight management clinics across Canada. The objective of this paper was to share the lessons our team learned from this multi-centre project. METHODS: Data sources included a retrospective review of minutes from 120 teleconferences with research staff and investigators, notes taken during clinical site visits made by project leaders, information from quality control processes to ensure data accuracy and completeness, and a study-specific survey that was sent to all sites to solicit feedback from research team members (n = 9). Through an iterative process, the writing group identified key themes that surfaced during review of these information sources and final lessons learned were developed. RESULTS: Several key lessons emerged from our research, including the (1) value of pilot studies and central research coordination, (2) need for effective and regular communication, (3) importance of consensus on determining outcome measures, (4) challenge of embedding research within clinical practice, and (5) difficulty in recruiting and retaining participants. The sites were, in spite of these challenges, enthusiastic about the benefits of participating in multi-centre collaborative studies. CONCLUSION: Despite some challenges, multi-centre observational studies embedded in pediatric weight management clinics are feasible and can contribute important, practical insights into the effectiveness of health services for managing pediatric obesity in real-world settings.
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 | 0,565 | 0,502 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,002 |
| Méta-épidémiologie (sens large) | 0,003 | 0,002 |
| Bibliométrie | 0,006 | 0,008 |
| Études des sciences et des technologies | 0,014 | 0,015 |
| Communication savante | 0,023 | 0,016 |
| Science ouverte | 0,012 | 0,020 |
| Intégrité de la recherche | 0,006 | 0,012 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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 source (Gemma direct ou Codex distillé), 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 ».