MétaCan
Menu
Retour à la cohorte
Enregistrement W3025135801 · doi:10.2196/17467

Innovation in Pediatric Medical Devices: Proceedings From The West Coast Consortium for Technology & Innovation in Pediatrics 2019 Annual Stakeholder Summit

2020· article· en· W3025135801 sur OpenAlexvenueno aff
Juan Espinoza, Kathryne Cooper, Nadine Afari, Payal Shah, Sriharinarayana Batchu, Yaniv Bar‐Cohen

Notice bibliographique

RevueJMIR Biomedical Engineering · 2020
Typearticle
Langueen
DomaineMedicine
ThématiquePharmaceutical studies and practices
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésSummitStakeholderMedicineStakeholder engagementInvestment (military)BusinessFamily medicinePediatricsPublic relationsPolitical science

Résumé

récupéré en direct d'OpenAlex

Pediatric medical devices cover a broad array of indications and risk profiles, and have helped to reduce disease burden and improve quality of life for numerous children. However, many of the devices used in pediatrics are not intended for or tested on children. Several barriers have been identified that pose difficulties in bringing pediatric medical devices to the market. These include a small market and small sample size; unique design considerations; regulatory complexities; lack of infrastructure for research, development, and evaluation; and low return on investment. In 2007, the Food and Drug Administration (FDA) created the Pediatric Device Consortia (PDC) Grants Program under the administration of the Office of Orphan Products Development. In 2018, the FDA awarded over US $30 million to five new PDCs. The West Coast Consortium for Technology & Innovation in Pediatrics (CTIP) is one of these PDCs and is centered at the Children’s Hospital Los Angeles. In February 2019, CTIP convened its primary stakeholders to discuss its priorities and activities for the new grant cycle. In this paper, we have presented a report of the summit proceedings to raise awareness and advocate for patients and pediatric medical device innovators as well as to inform the activities and priorities of other organizations and agencies engaged in pediatric medical device 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 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)0,041
score de la tête « metaresearch » (Gemma)0,027
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Autre · Signal consensuel: aucune
Score de désaccord entre enseignants0,041
Score d'incertitude au seuil0,216

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0410,027
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,001
Études des sciences et des technologies0,0090,003
Communication savante0,0100,005
Science ouverte0,0030,014
Intégrité de la recherche0,0160,016
Charge utile insuffisante (le modèle a refusé de juger)0,0150,004

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 Opus0,059
Tête enseignante GPT0,331
Écart entre enseignants0,272 · 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.

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

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations19
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJMIR Biomedical EngineeringMême sujetPharmaceutical studies and practicesTravaux en français237 207