MétaCan
Menu
Retour à la cohorte
Enregistrement W3134407748 · doi:10.12927/hcpol.2021.26430

Understanding the Feasibility of Implementing Car T-Cell Therapies from a Canadian Perspective

2021· article· en· W3134407748 sur OpenAlexaffvenueabout
Kristina Ellis, Kelly Grindrod, Stephen Tully, Kelvin Chan, William Wong

Notice bibliographique

RevueHealthcare policy · 2021
Typearticle
Langueen
DomaineMedicine
ThématiqueCAR-T cell therapy research
Établissements canadiensSunnybrook Health Science CentreUniversity of Waterloo
Organismes subventionnairesnon disponible
Mots-clésChimeric antigen receptorPerspective (graphical)CAR T-cell therapyQualitative researchMedicineEngineering ethicsComputer scienceEngineeringSociologyT cellImmunologyArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

In Canada, chimeric antigen receptor (CAR) T-cell therapy was recommended for funding for the treatment of select hematological cancers. Canadian hospitals have limited experience and capacity in administrating this therapy. We conducted a qualitative interview-based study with stakeholders in Canada. Questions were asked related to the development, administration, implementation and logistical planning of CAR T-cell therapy. Results were summarized into four main themes: (i) novel; (ii) patient characteristics and the delivery of care; (iii) processes from "bench-to-bedside"; and (iv) the future state, including both challenges and recommendations to ensure sustainability. Valuable perspectives from stakeholders highlight some of the unique challenges to implementing a highly personalized and expensive-to-deliver therapy.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,458
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,236
Tête enseignante GPT0,448
Écart entre enseignants0,211 · 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 tête enseignante, pas un consensus.

Devis d'étudeQualitatif
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

Citations8
Publié2021
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueHealthcare policyMême sujetCAR-T cell therapy researchTravaux en français237 207