Developing comparative effectiveness studies for a rare, understudied pediatric disease: lessons learned from the CARRA juvenile localized scleroderma consensus treatment plan pilot study
Notice bibliographique
Résumé
BACKGROUND: We designed and initiated a pilot comparative effectiveness study for juvenile localized scleroderma (jLS), for which there is limited evidence on best therapy. We evaluated the process we used, in relation to the specific protocol and to the general task of identifying strategies for implementing studies in rare pediatric diseases. METHODS: This was a prospective, multi-center, observational cohort study of 50 jLS patients initiating treatment, designed and conducted by the jLS group of the Childhood Arthritis and Rheumatology Research Alliance (CARRA) from 2012 to 2015. A series of virtual and physical meetings were held to design the study, standardize clinical assessments, generate and refine disease activity and damage measures, and monitor the study. Patients were initiated on one of three standardized methotrexate-based treatment regimens (consensus treatment plans, CTPs) and monitored for 1 year. An optional bio-banking sub-study was included. RESULTS: The target enrollment of 50 patients was achieved over 26 months at 10 sites, with patients enrolled into all CTPs. Enrolled patients were typical for jLS. Study eligibility criteria were found to perform well, capturing patients thought appropriate for treatment studies. Minor modifications to the eligibility criteria, primarily to facilitate recruitment for future studies, were discussed with consensus agreement reached on them by the jLS group. There were marked differences in site preferences for specific CTPs, with half the sites treating all their patients with the same CTP. Most patients (88%) completed the study, and 68% participated in the bio-banking substudy. CONCLUSIONS: We demonstrate the feasibility of our approach for conducting comparative effectiveness research in a rare pediatric disease. Multi-center collaboration by dedicated investigators who met regularly was a key factor in the success of this project. Other factors that facilitate these studies include having a sufficient number of investigators to enroll in each regimen, and streamlining study approval and management.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».