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 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 | 0,451 | 0,599 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,004 | 0,003 |
| Bibliométrie | 0,002 | 0,004 |
| Études des sciences et des technologies | 0,001 | 0,004 |
| Communication savante | 0,005 | 0,005 |
| Science ouverte | 0,003 | 0,003 |
| Intégrité de la recherche | 0,005 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,001 |
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; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».