MétaCan
Menu
Retour à la cohorte
Enregistrement W3154179323 · doi:10.2196/28616

Distributed Ledger Infrastructure to Verify Adverse Event Reporting (DeLIVER): Proposal for a Proof-of-Concept Study

2021· article· en· W3154179323 sur OpenAlexvenueno aff
Madison Milne‐Ives, Ching Lam, Najib Rehman, Raja Sharif, Edward Meinert

Notice bibliographique

RevueJMIR Research Protocols · 2021
Typearticle
Langueen
DomainePharmacology, Toxicology and Pharmaceutics
ThématiquePharmacovigilance and Adverse Drug Reactions
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésEvent (particle physics)InteroperabilityComputer scienceLedgerInterface (matter)Unique identifierIdentifierComputer securityWorld Wide WebBusiness

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Adverse drug event reporting is critical for ensuring patient safety; however, numbers of reports have been declining. There is a need for a more user-friendly reporting system and for a means of verifying reports that have been filed. OBJECTIVE: This project has 2 main objectives: (1) to identify the perceived benefits and barriers in the current reporting of adverse events by patients and health care providers and (2) to develop a distributed ledger infrastructure and user interface to collect and collate adverse event reports to create a comprehensive and interoperable database. METHODS: A review of the literature will be conducted to identify the strengths and limitations of the current UK adverse event reporting system (the Yellow Card System). If insufficient information is found in this review, a survey will be created to collect data from system users. The results of these investigations will be incorporated into the development of a mobile and web app for adverse event reporting. A digital infrastructure will be built using distributed ledger technology to provide a means of linking reports with existing pharmaceutical tracking systems. RESULTS: The key outputs of this project will be the development of a digital infrastructure, including a backend distributed ledger system and an app-based user interface. CONCLUSIONS: This infrastructure is expected to improve the accuracy and efficiency of adverse event reporting systems by enabling the monitoring of specific medicines or medical devices over their life course while protecting patients' personal health data. INTERNATIONAL REGISTERED REPORT IDENTIFIER (IRRID): PRR1-10.2196/28616.

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)0,040
score de la tête « metaresearch » (Gemma)0,026
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Protocole · Signal consensuel: aucune
Score de désaccord entre enseignants0,040
Score d'incertitude au seuil0,213

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0400,026
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0010,002
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,002
Communication savante0,0050,006
Science ouverte0,0060,006
Intégrité de la recherche0,0050,004
Charge utile insuffisante (le modèle a refusé de juger)0,0170,006

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 Opus0,372
Tête enseignante GPT0,629
Écart entre enseignants0,257 · 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'étudeThéorique ou conceptuel
Domainenon disponible
GenreProtocole

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations1
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJMIR Research ProtocolsMême sujetPharmacovigilance and Adverse Drug ReactionsTravaux en français237 207