MétaCan
Menu
Retour à la cohorte
Enregistrement W2982450966 · doi:10.1177/1747493019879657

A stroke recovery trial development framework: Consensus-based core recommendations from the Second Stroke Recovery and Rehabilitation Roundtable

2019· article· en· W2982450966 sur OpenAlexafffund
Julie Bernhardt, Kathryn S. Hayward, Numa Dancause, Natasha A. Lannin, Nick Ward, Randolph J. Nudo, Amanda Farrin, Leonid Churilov, Lara A. Boyd, Theresa A. Jones, S. Thomas Carmichael, Dale Corbett, Steven C. Cramer

Notice bibliographique

RevueInternational Journal of Stroke · 2019
Typearticle
Langueen
DomaineMedicine
ThématiqueStroke Rehabilitation and Recovery
Établissements canadiensUniversity of OttawaUniversity of British ColumbiaUniversité de Montréal
Organismes subventionnairesNational Institute of Neurological Disorders and StrokeNational Health and Medical Research CouncilCanadian Institutes of Health ResearchIpsen
Mots-clésMedicineRehabilitationStroke (engine)Stroke recoveryPhysical medicine and rehabilitationClinical trialCore (optical fiber)Physical therapyPathologyComputer science

Résumé

récupéré en direct d'OpenAlex

A major goal of the Stroke Recovery and Rehabilitation Roundtable (SRRR) is to accelerate development of effective treatments to enhance stroke recovery beyond that expected to occur spontaneously or with current approaches. In this paper, we describe key issues for the next generation of stroke recovery treatment trials and present the Stroke Recovery and Rehabilitation Roundtable Trials Development Framework (SRRR-TDF). An exemplar (an upper limb recovery trial) is presented to demonstrate the utility of this framework to guide the GO, NO-GO decision-making process in trial development.

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)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,598
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,026
Tête enseignante GPT0,316
Écart entre enseignants0,289 · 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; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeObservationnel
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

Citations88
Publié2019
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueInternational Journal of StrokeMême sujetStroke Rehabilitation and RecoveryTravaux en français237 207