MétaCan
Menu
Retour à la cohorte
Enregistrement W3083705298 · doi:10.3389/fonc.2020.01328

The MOMENTUM Study: An International Registry for the Evidence-Based Introduction of MR-Guided Adaptive Therapy

2020· article· en· W3083705298 sur OpenAlexaff
Sophie R. de Mol van Otterloo, John P. Christodouleas, Erwin L. A. Blezer, Hafid Akhiat, Kevin Brown, Ananya Choudhury, Dave Eggert, Bradley A. Erickson, Corinne Faivre‐Finn, Clifton D. Fuller, Joel Goldwein, S. Hafeez, Emma Hall, Kevin J. Harrington, Uulke A. van der Heide, Robert Huddart, Martijn Intven, Anna M. Kirby, Susan Lalondrelle, Claire McCann, Bruce D. Minsky, Stella Mook, Marlies E. Nowee, Uwe Oelfke, Kristina M. Orrling, Arjun Sahgal, Jeffrey G. Sarmiento, Christopher J. Schultz, Robbert J.H.A. Tersteeg, Rob H.N. Tijssen, Alison Tree, Baukelien van Triest, William A. Hall, Helena M. Verkooijen

Notice bibliographique

RevueFrontiers in Oncology · 2020
Typearticle
Langueen
DomainePhysics and Astronomy
ThématiqueAdvanced Radiotherapy Techniques
Établissements canadiensSunnybrook Health Science Centre
Organismes subventionnairesMedical Research CouncilMerck Sharp and DohmeSanofiRosetrees TrustRoyal Marsden NHS Foundation TrustDepartment of Health and Social CareNational Cancer InstituteAccurayKWF KankerbestrijdingNational Institute for Health and Care ResearchCancer Research UKZonMwCilagElektaSiemens HealthineersInnovative Research Group Project of the National Natural Science Foundation of China
Mots-clésLinear particle acceleratorMedical physicsMedicineQuality assuranceNuclear medicineBeam (structure)Physics

Résumé

récupéré en direct d'OpenAlex

Purpose: MR-guided Radiation Therapy (MRgRT) allows for high-precision radiotherapy under real-time MR visualization. This enables margin reduction and subsequent dose escalation which may lead to higher tumor control and less toxicity. The Unity MR-linac (Elekta AB, Stockholm, Sweden) integrates a linear accelerator with a 1.5T diagnostic quality MRI and an online adaptive workflow. A prospective international registry was established to facilitate the evidence-based implementation of the Unity MR-linac into clinical practice, to systemically evaluate long-term outcomes, and to aid further technical development of MR-linac-based MRgRT. Methods and Results: In February 2019, the Multi-OutcoMe EvaluatioN of radiation Therapy Using the MR-linac study (MOMENTUM) started within the MR-linac Consortium. The MOMENTUM study is an international academic-industrial partnership between several hospitals and industry partner Elekta. All patients treated on the MR-linac are eligible for inclusion in MOMENTUM. For participants we collect clinical patient data (e.g. patient, tumor and treatment characteristics) and technical patient data which is defined as information generated on the MR-linac during treatment. The data are captured, pseudonymized, and stored in an international registry at set time intervals up to two years after treatment. Patients can choose to provide patient-reported outcomes and consent to additional MRI scans acquired on the MR-linac. This registry will serve as a data platform that supports multicenter research investigating the MR-linac. Rules and regulations on data sharing, data access, and intellectual property rights are summarized in an academic-industrial collaboration agreement. Data access rules ensure secure data handling and research integrity for investigators and institutions. Separate data access rules exist for academic and industry partners. This study is registered at ClinicalTrials.gov with ID: NCT04075305 (https://clinicaltrials.gov/ct2/show/NCT04075305). Conclusion: The multi-institutional MOMENTUM study has been set up to collect clinical and technical patient data to advance technical development, and facilitate evidenced-based implementation of MR-linac technology with the ultimate purpose to improve tumor control, survival, and quality of life of patients with cancer.

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)0,077
score de la tête « metaresearch » (Gemma)0,135
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,077
Score d'incertitude au seuil0,405

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0770,135
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0040,003
Bibliométrie0,0110,020
Études des sciences et des technologies0,0010,001
Communication savante0,0080,006
Science ouverte0,0040,009
Intégrité de la recherche0,0020,003
Charge utile insuffisante (le modèle a refusé de juger)0,0150,006

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 Opus0,058
Tête enseignante GPT0,362
Écart entre enseignants0,304 · 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'étudeObservationnel
Domainenon disponible
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

Citations151
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueFrontiers in OncologyMême sujetAdvanced Radiotherapy TechniquesTravaux en français237 207