EPID-31. EFFICIENT STUDY OF SURGICALLY TREATED MENINGIOMA THROUGH CLINICAL DATA STANDARDIZATION
Notice bibliographique
Résumé
Abstract With increasing epidemiological and biological studies on meningiomas, standardized clinical data capture will be necessary to interpret results across studies and to translate them to clinical practice. To meet this need for consistent clinical data capture, the International Consortium on Meningioma, has developed a set of common data elements (CDEs), to be used across clinical and biological research. Building from terminology used in clinical practice and ongoing studies, we used a consensus-of-experts approach to arrive at a set of standardized and vetted data elements. Areas of focus include patient characteristics, patient history, radiological and intra-operative description, histological diagnosis and molecular testing, non-surgical interventions, and surveillance. These data elements are implemented in Research Electronic Data Capture (REDCap) forms. With REDCap implementation, components of the CDE set can be selected and instituted in a local REDCap instance for efficient study start-up. The scope of the current CDE set focuses on surgically treated meningioma. However, modular forms provide flexibility and to allow the scope to be expanded to include non-surgically treated meningioma. Dissemination plans are underway to introduce the CDEs to neuro-oncology researchers and clinicians through publication and presentations, where feedback will be solicited. Adoption of CDEs for research will improve consistency and interpretability across studies, expediting research in this frequently occurring tumor.
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 | 0,172 | 0,307 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,002 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,009 | 0,009 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,005 | 0,005 |
| Science ouverte | 0,003 | 0,009 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,028 | 0,010 |
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 ».