MétaCan
Menu
Retour à la cohorte
Enregistrement W3151024934 · doi:10.47912/jscdm.30

Electronic Data Capture-Study Implementation and Start-up

2020· article· en· W3151024934 sur OpenAlexaff
David Eade, Maxine Pestronk, Ralph Russo, Muthamma Muthanna, Derek Johnson, Denise Redkar-Brown, Olivia Montaño, Shweta Kerkar, Meredith Zozus

Notice bibliographique

RevueJournal of the Society for Clinical Data Management · 2020
Typearticle
Langueen
DomaineHealth Professions
ThématiqueElectronic Health Records Systems
Établissements canadiensInflamax Research (Canada)
Organismes subventionnairesnon disponible
Mots-clésWorkflowElectronic data captureData collectionComputer scienceData managementData flow diagramData exchangeWork flowData scienceDatabaseEngineering

Résumé

récupéré en direct d'OpenAlex

Web-based Electronic Data Capture is a mainstay of form-based data collection and management in clinical studies. This chapter reviews the implementation and start-up tasks for clinical studies using web-based EDC for form-based data collection and management (hereafter EDC.) Topics covered include designing, developing, testing, and implementing workflow and data flow in clinical studies using EDC systems. Topics of focus include data collection, work flow, and data flow associated with data collection and processing, data processing such as exchange, integration, cleaning, and coding in EDC systems, implementation at study sites including training and account management, and working with EDC system vendors. The chapter emphasizes common responsibilities of Clinical Data Management (CDM) professional in the implementation of an EDC application for a clinical 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 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)0,013
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,474
Score d'incertitude au seuil0,586

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0130,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0030,003
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,489
Tête enseignante GPT0,602
Écart entre enseignants0,113 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
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

Citations6
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of the Society for Clinical Data ManagementMême sujetElectronic Health Records SystemsTravaux en français237 207