Moving Towards Common Data Elements and Core Outcome Measures in Frailty Research
Notice bibliographique
Résumé
With aging populations around the world, frailty is becoming more prevalent increasing the need for health systems and social systems to deliver optimal evidence based care. However, in spite of the growing number of frailty publications, high-quality evidence for decision making is often lacking. Inadequate descriptions of the populations enrolled including frailty severity and frailty conceptualization, lack of use of validated frailty assessment tools, utilization of different frailty instruments between studies, and variation in reported outcomes impairs the ability to interpret, generalize and implement the research findings. The utilization of common data elements (CDEs) and core outcome measures (COMs) in clinical trials is increasingly being adopted to address such concerns. To catalyze the development and use of CDEs and COMs for future frailty studies, the Canadian Frailty Network (www.cfn-nce.ca; CFN), a not-for-profit pan-Canadian nationally-funded research network, convened an international group of experts to examine the issue and plan the path forward. The meeting was structured to allow for an examination of current frailty evidence, ability to learn from other COMs and CDEs initiatives, discussions about specific considerations for frailty COMs and CDEs and finally the identification of the necessary steps for a COMs and CDEs consensus initiative going forward. It was agreed at the onset of the meeting that a statement based on the meeting would be published and herein we report the statement.
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 | 0,869 | 0,809 |
| Méta-épidémiologie (sens strict) | 0,004 | 0,005 |
| Méta-épidémiologie (sens large) | 0,013 | 0,012 |
| Bibliométrie | 0,028 | 0,035 |
| Études des sciences et des technologies | 0,009 | 0,046 |
| Communication savante | 0,040 | 0,051 |
| Science ouverte | 0,019 | 0,058 |
| Intégrité de la recherche | 0,019 | 0,074 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,002 |
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; l’étiquette directe de Gemma et le classifieur distillé Codex s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».