MétaCan
Menu
Retour à la cohorte
Enregistrement W2992870481 · doi:10.1182/bloodadvances.2019000883

End points for sickle cell disease clinical trials: renal and cardiopulmonary, cure, and low-resource settings

2019· article· en· W2992870481 sur OpenAlexaff
Ann T. Farrell, Julie A. Panepinto, Ankit A. Desai, Adetola A. Kassim, Jeffrey D. Lebensburger, Mark C. Walters, Daniel E. Bauer, Rae Blaylark, Donna DiMichele, Mark T. Gladwin, Nancy Green, Kathryn L. Hassell, Gregory J. Kato, Elizabeth S. Klings, Donald B. Kohn, Lakshmanan Krishnamurti, Jane A. Little, Julie Makani, Punam Malik, Patrick T. McGann, Caterina P. Minniti, Claudia R. Morris, Isaac Odame, Patricia O’Neal, Rosanna Setse, Poornima Sharma, Shalini Shenoy

Notice bibliographique

RevueBlood Advances · 2019
Typearticle
Langueen
DomaineMedicine
ThématiqueHemoglobinopathies and Related Disorders
Établissements canadiensHospital for Sick ChildrenUniversity of Toronto
Organismes subventionnairesFeinberg School of MedicineNorthwestern UniversityNational Heart, Lung, and Blood InstituteU.S. Food and Drug AdministrationDoris Duke Charitable Foundation
Mots-clésMedicineIntensive care medicineClinical trialFood and drug administrationDiseaseMEDLINEResource (disambiguation)Drug trialPhysical therapyInternal medicineMedical emergency

Résumé

récupéré en direct d'OpenAlex

To address the global burden of sickle cell disease and the need for novel therapies, the American Society of Hematology partnered with the US Food and Drug Administration to engage the work of 7 panels of clinicians, investigators, and patients to develop consensus recommendations for clinical trial end points. The panels conducted their work through literature reviews, assessment of available evidence, and expert judgment focusing on end points related to patient-reported outcome, pain (non-patient-reported outcomes), the brain, end-organ considerations, biomarkers, measurement of cure, and low-resource settings. This article presents the findings and recommendations of the end-organ considerations, measurement of cure, and low-resource settings panels as well as relevant findings and recommendations from the biomarkers panel.

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)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,936
Score d'incertitude au seuil0,517

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
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 recherche0,0000,000
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 Opus0,017
Tête enseignante GPT0,319
Écart entre enseignants0,301 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
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

Citations38
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBlood AdvancesMême sujetHemoglobinopathies and Related DisordersTravaux en français237 207