Society for Immunotherapy of Cancer clinical and biomarkers data sharing resource document: Volume I—conceptual challenges
Notice bibliographique
Résumé
The sharing of clinical trial data and biomarker data sets among the scientific community, whether the data originates from pharmaceutical companies or academic institutions, is of critical importance to enable the development of new and improved cancer immunotherapy modalities. Through data sharing, a better understanding of current therapies in terms of their efficacy, safety and biomarker data profiles can be achieved. However, the sharing of these data sets involves a number of stakeholder groups including patients, researchers, private industry, scientific journals and professional societies. Each of these stakeholder groups has differing interests in the use and sharing of clinical trial and biomarker data, and the conflicts caused by these differing interests represent significant obstacles to effective, widespread sharing of data. Thus, the Society for Immunotherapy of Cancer (SITC) Biomarkers Committee convened to identify the current barriers to biomarker data sharing in immuno-oncology (IO) and to help in establishing professional standards for the responsible sharing of clinical trial data. The conclusions of the committee are described in two position papers: Volume I-conceptual challenges and Volume II-practical challenges, the first of which is presented in this manuscript. Additionally, the committee suggests actions by key stakeholders in the field (including organizations and professional societies) as the best path forward, encouraging the cultural shift needed to ensure responsible data sharing in the IO research setting.
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 | 0,312 | 0,293 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,002 |
| Méta-épidémiologie (sens large) | 0,003 | 0,003 |
| Bibliométrie | 0,005 | 0,007 |
| Études des sciences et des technologies | 0,010 | 0,012 |
| Communication savante | 0,033 | 0,021 |
| Science ouverte | 0,015 | 0,024 |
| Intégrité de la recherche | 0,017 | 0,030 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,018 | 0,015 |
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; l’étiquette directe de Gemma et le classifieur distillé Codex 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 ».