Multiple breath washout in bronchiectasis clinical trials: is it feasible?
Notice bibliographique
Résumé
BACKGROUND: Evaluation of multiple breath washout (MBW) set-up including staff training, certification and central "over-reading" for data quality control is essential to determine the feasibility of MBW in future bronchiectasis studies. AIMS: To assess the outcomes of a MBW training, certification and central over-reading programme. METHODS: MBW training and certification was conducted in European sites collecting lung clearance index (LCI) data in the BronchUK Clinimetrics and/or i-BEST-1 studies. The blended training programme included the use of an eLearning tool and a 1-day face-to-face session. Sites submitted MBW data to trained central over-readers who determined validity and quality. RESULTS: Thirteen training days were delivered to 56 participants from 22 sites. Of 22 sites, 18 (82%) were MBW naïve. Participant knowledge and confidence increased significantly (p<0.001). By the end of the study recruitment, 15 of 22 sites (68%) had completed certification with a mean (range) time since training of 6.2 (3-14) months. In the BronchUK Clinimetrics study, 468 of 589 (79%) tests met the quality criteria following central over-reading, compared with 137 of 236 (58%) tests in the i-BEST-1 study. CONCLUSIONS: LCI is feasible in a bronchiectasis multicentre clinical trial setting; however, consideration of site experience in terms of training as well as assessment of skill drift and the need for re-training may be important to reduce time to certification and optimise data quality. Longer times to certification, a higher percentage of naïve sites and patients with worse lung function may have contributed to the lower success rate in the i-BEST-1 study.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,024 | 0,084 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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; les deux têtes enseignantes 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 ».