MétaCan
Menu
Retour à la cohorte
Enregistrement W2899241554 · doi:10.1177/2168479018801566

Accelerating Adoption of Patient-Facing Technologies in Clinical Trials: A Pharmaceutical Industry Perspective on Opportunities and Challenges

2018· article· en· W2899241554 sur OpenAlexaff
Ashley Polhemus, Hassan Kadhim, Shelly Barnes, Susan E. Zebrowski, Alex Simmonds, Shirley N. Masand, Jaclyn Banner, Melissa Dupont

Notice bibliographique

RevueTherapeutic Innovation & Regulatory Science · 2018
Typearticle
Langueen
DomaineMedicine
ThématiqueEthics in Clinical Research
Établissements canadiensRoche (Canada)
Organismes subventionnairesnon disponible
Mots-clésClinical trialStakeholderMedicineVariety (cybernetics)Quality (philosophy)Stakeholder engagementPharmaceutical industryBusinessKnowledge managementMedical educationPublic relationsPolitical science

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Patient-facing digital technologies (also called "Patient Technology" [PT]) have the potential to serve a variety of functions in clinical trials, such as capturing clinical endpoints, engaging patients, and facilitating remote study conduct. However, these technologies are not yet accepted as mainstream research tools, and the opportunities, challenges, and facilitators associated with their implementation in clinical trials have not been fully characterized. METHODS: In order to understand the factors affecting PT adoption, the TransCelerate Patient Technology Initiative conducted a series of surveys, interviews, and focus groups with approximately 600 subject matter experts, including pharmaceutical company representatives, clinical trial investigators at a number of trial sites worldwide, and clinical trial participants. All interview and survey responses were blinded and aggregated by a third-party consultant and themes were extracted. RESULTS: There was general consensus around the potential value of patient-facing technology as a clinical research tool, though a variety of challenges faced by each stakeholder were discussed. Detailed accounts of opportunities (improved patient experience, compliance, and engagement; clinical trial efficiencies; improved data quality and insights) and barriers (organizational and corporate cultural challenges, business-related challenges, user willingness and burden, and regulatory challenges) are reported. CONCLUSIONS: While the barriers to PT adoption explored here were numerous, they were also generally consistent. A number of proposals for establishing more holistic, collaborative, and strategic approaches to PT implementation in clinical trials are discussed. Such approaches could facilitate more effective, widespread adoption of PT, and thereby a more patient-centric clinical trial paradigm.

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)0,030
score de la tête « metaresearch » (Gemma)0,024
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche, Études des sciences et des technologies
Catégories consensuellesMétarecherche
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,385
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0300,024
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0000,005
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0010,002
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 Opus0,835
Tête enseignante GPT0,622
Écart entre enseignants0,213 · 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'étudeThéorique ou conceptuel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations37
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueTherapeutic Innovation & Regulatory ScienceMême sujetEthics in Clinical ResearchTravaux en français237 207