Abstract WP412: Use of Interactive Cluster Heatmaps and Text Analytics in the Escape-na1 Phase 3 Clinical Trial for Pharmacovigilance of Adverse Events and Site Performance
Notice bibliographique
Résumé
Introduction: Stroke trial subjects sustain numerous adverse events (AE’s) which may be related to the disease under study or to the therapeutic intervention. In studies involving pharmacovigilance of multiple AE’s, ongoing oversight of AEs by investigators and trial sponsors is critical to ensure the safety and well being of trial subjects. Static cluster heatmaps are used extensively in the field of gene expression studies and text analytics are used widely to monitor text on social media sites such as Twitter. Here we present novel dynamic tools using static cluster heatmaps and text analytics to aid with the visualization of AEs and of clinical site performance in AE reporting in the ESCAPE-NA-1 trial (Clinicaltrials.gov NCT 02930018). Methodology: In an interactive cluster heatmap display, the frequency of AEs is color coded in cells, with the rows corresponding to either sites or patients and columns correspond to unique AEs. Clustering is visualized on a heatmap by addition of row and column dendrograms. Quantification of AEs in the clinical trial is performed through text analytics and the results are visualized using a word cloud. Difference of AE across sites is visualized using a comparison cloud, a cloud that compares frequencies across sites. A cluster heatmap and word cloud are made interactive by formatting into HTML. Results: The main results obtained from interactive AE cluster heatmaps are patient ,site and AE clusters (Figure 1). The results obtained from text analytics are word clouds that convey overall AEs frequency and AEs frequency across sites (Figure 1). Due to active status of the trial, we will share the methodology of constructing interactive AE cluster heatmaps and word clouds and broad visual results without providing specifics of sites or AEs. Conclusion: Interactive cluster heatmaps and word clouds constructed via text analytics are a novel way of visualizing complex multidimensional AE data from clinical trials.
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 | 0,006 | 0,022 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,044 | 0,006 |
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 ».