Best practices for the development and fit-for-purpose validation of biomarker methods: a conference report
Notice bibliographique
Résumé
Abstract This conference report summarized a full-day workshop, “best practices for the development and fit-for-purpose validation of biomarker methods,” which was held prior to the American Association of Pharmaceutical Scientists (AAPS) PharmSci360 Congress, San Antonio, TX, November 2019. The purpose of the workshop was to bring together thought leaders in biomarker assay development in order to identify which assay parameters and key statistical measures need to be considered when developing a biomarker assay. A diverse group of more than 40 scientists participated in the workshop. The workshop and subsequent working dinner stimulated robust discussion. While a consensus on best practices was not achieved, some common themes and major points to consider for biomarker assay development have been identified and agreed on. The focus of this conference report is to summarize the presentations and discussions which occurred at the workshop. Biomarker assay validation is a complex and an evolving area with discussions ongoing.
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 | 0,380 | 0,253 |
| Méta-épidémiologie (sens strict) | 0,005 | 0,003 |
| Méta-épidémiologie (sens large) | 0,002 | 0,005 |
| Bibliométrie | 0,007 | 0,004 |
| Études des sciences et des technologies | 0,007 | 0,006 |
| Communication savante | 0,031 | 0,019 |
| Science ouverte | 0,014 | 0,022 |
| Intégrité de la recherche | 0,018 | 0,024 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 0,010 |
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; l’étiquette directe de Gemma et le classifieur distillé Codex s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».