Improving clinical paediatric research and learning from COVID-19: recommendations by the Conect4Children expert advice group
Notice bibliographique
Résumé
BACKGROUND: The COVID-19 pandemic has had a devastating impact on multiple aspects of healthcare, but has also triggered new ways of working, stimulated novel approaches in clinical research and reinforced the value of previous innovations. Conect4children (c4c, www.conect4children.org ) is a large collaborative European network to facilitate the development of new medicines for paediatric populations, and is made up of 35 academic and 10 industry partners from 20 European countries, more than 50 third parties, and around 500 affiliated partners. METHODS: We summarise aspects of clinical research in paediatrics stimulated and reinforced by COVID-19 that the Conect4children group recommends regulators, sponsors, and investigators retain for the future, to enhance the efficiency, reduce the cost and burden of medicines and non-interventional studies, and deliver research-equity. FINDINGS: We summarise aspects of clinical research in paediatrics stimulated and reinforced by COVID-19 that the Conect4children group recommends regulators, sponsors, and investigators retain for the future, to enhance the efficiency, reduce the cost and burden of medicines and non-interventional studies, and deliver research-equityWe provide examples of research innovation, and follow this with recommendations to improve the efficiency of future trials, drawing on industry perspectives, regulatory considerations, infrastructure requirements and parent-patient-public involvement. We end with a comment on progress made towards greater international harmonisation of paediatric research and how lessons learned from COVID-19 studies might assist in further improvements in this important area.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,015 | 0,041 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,002 |
| Études des sciences et des technologies | 0,002 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,005 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
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.
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; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».