MétaCan
Menu
Retour à la cohorte
Enregistrement W3003612432 · doi:10.1111/cts.12759

Approach to High Volume Enrollment in Clinical Research: Experiences from an All of Us Research Program Site

2020· article· en· W3003612432 sur OpenAlexaboutno aff
Titilayo O. Ilori, Emma N. Viera, Jillian Wilson, Francisco Moreno, Usha Menon, John Ehiri, Rachele Peterson, Tejo Vemulapalli, Sara C. StimsonRiahi, Cecilia Rosales, Elizabeth A. Calhoun, Amanda Sokan, Jason H. Karnes, Eric M. Reiman, Akinlolu Ojo, Andreas Theodorou, Tammy Ojo

Notice bibliographique

RevueClinical and Translational Science · 2020
Typearticle
Langueen
DomaineMedicine
ThématiqueEthics in Clinical Research
Établissements canadiensnon disponible
Organismes subventionnairesNational Institute on AgingNational Institutes of HealthUniversity of Arizona
Mots-clésTimelineBannerStakeholderStakeholder engagementQuarter (Canadian coin)Health careInclusion (mineral)Medical educationCommunity engagementPsychological interventionMedicineClinical trialFamily medicineGerontologyPublic relationsPsychologyNursingPolitical science

Résumé

récupéré en direct d'OpenAlex

Clinical trials and cohort studies are required to meet target recruitment of study participants within stipulated timelines, especially when the priority is to include populations traditionally unrepresented in biomedical research. By the third quarter of 2019, the University of Arizona-Banner Health Provider Organization (UA-Banner HPO) has enrolled > 30,000 core participants into the All of Us Research Program (AoURP), the research cohort of the Precision Medicine Initiative. The majority of enrolled participants meet the criteria for individuals under-represented in biomedical research. The enrollment goals were calculated based on a target of 20,000 as set by the National Institutes of Health and our health provider organization achieved enrollment numbers between 17% and 86% above the targeted daily enrollment. We evaluated enrollment methods and challenges to enrollments encountered by the UA-Banner Health Provider Organization into the AoURP. Challenges to enrollment centered around the need for high-touch engagement methods, time investment necessary for stakeholder inclusion, and the use of purely digital enrollment methods especially in populations under-represented in biomedical research. These challenges occurred at the level of the individual, provider, institutions, and community, and cumulatively impacted participant enrollment. Successful strategies for engagement and enrollment leveraged provider partners as advocates for the program. For high-volume enrollment in clinical research, it is important to engage leaders in the healthcare setting, patient providers, and tailor engagement and enrollment to potential participant needs. We emphasize the need for precision engagement and enrollment methods tailored to individual needs.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,101
score de la tête « metaresearch » (Gemma)0,080
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche
Catégories consensuellesaucune
DomaineSignal candidat: Méthodes · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,899
Score d'incertitude au seuil0,536

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,1010,080
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,002
Études des sciences et des technologies0,0180,008
Communication savante0,0130,008
Science ouverte0,0060,023
Intégrité de la recherche0,0050,013
Charge utile insuffisante (le modèle a refusé de juger)0,0090,002

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.

Tête enseignante Opus0,865
Tête enseignante GPT0,707
Écart entre enseignants0,158 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Devis d'étudeObservationnel
DomaineMéthodes
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

Citations11
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueClinical and Translational ScienceMême sujetEthics in Clinical ResearchTravaux en français237 207