Consensus core clinical data elements for meningiomas (v2021.1)
Notice bibliographique
Résumé
BACKGROUND: With increasing molecular analyses of meningiomas, there is a need to harmonize language used to capture clinical data across centers to ensure that molecular alterations are appropriately linked to clinical variables of interest. Here the International Consortium on Meningiomas presents a set of core and supplemental meningioma-specific common data elements (CDEs) to facilitate comparative and pooled analyses. METHODS: The generation of CDEs followed the 4-phase process similar to other National Institute of Neurological Disorders and Stroke (NINDS) CDE projects: discovery, internal validation, external validation, and distribution. RESULTS: The CDEs were organized into patient- and tumor-level modules. In total, 17 core CDEs (10 patient level and 7 tumor level) as well as 14 supplemental CDEs (7 patient level and 7 tumor level) were defined and described. These CDEs are now made publicly available for dissemination and adoption. CONCLUSIONS: CDEs provide a framework for discussion in the neuro-oncology community that will facilitate data-sharing for collaborative research projects and aid in developing a common language for comparative and pooled analyses. The meningioma-specific CDEs presented here are intended to be dynamic parameters that evolve with time and The Consortium welcomes international feedback for further refinement and implementation of these CDEs.
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 | 0,109 | 0,228 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,002 |
| Méta-épidémiologie (sens large) | 0,003 | 0,005 |
| Bibliométrie | 0,015 | 0,013 |
| Études des sciences et des technologies | 0,003 | 0,002 |
| Communication savante | 0,006 | 0,003 |
| Science ouverte | 0,007 | 0,008 |
| Intégrité de la recherche | 0,005 | 0,007 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,038 | 0,019 |
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 source (Gemma direct ou Codex distillé), 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 ».