MétaCan
Menu
Retour à la cohorte
Enregistrement W4214947828 · doi:10.5430/jha.v10n6p34

In vitro diagnostic tests: Ensuring test accuracy and patient safety when used as companion diagnostics

2022· article· en· W4214947828 sur OpenAlexvenueno aff
Uchenna Ifediora, Wendy Schroeder

Notice bibliographique

RevueJournal of Hospital Administration · 2022
Typearticle
Langueen
DomaineMathematics
ThématiqueStatistical Methods in Clinical Trials
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésTest (biology)MedicineDocumentationPatient safetyMedical physicsAdverse effectIntensive care medicineHealth careMedical emergencyComputer sciencePharmacology

Résumé

récupéré en direct d'OpenAlex

Risks associated with drugs and treatments are a key concern in clinical investigations of therapeutics. There is a keen attention to side effects and adverse events included in critical safety documentation presented in regulatory submissions for new drugs. Likewise, Companion Diagnostic (CDx) technology is subject to rigorous regulated research and testing because of the risk associated with a false test result that could affect clinical decisions and treatment. The rigor of testing imposed by the regulatory path to clearance or approval is intended to ensure an assay is reliable when performance criteria are defined by a fixed set of these variables so that there is the least risk of false test results. The clinical validation of these assays is especially important when the test result is used to manage therapeutic decisions for patients. The same patients that expect a clinician to use reliable diagnostics to recommend treatment may also be recruited to participate in CDx clinical investigations. This educational review of CDx product development, regulations, and clinical investigations involving human subjects is important to: (1) Clinicians who rely on the test results to manage patient care; (2) Patients who trust these test results are informing the clinician, and (3) Hospital administrators who oversee human subjects safety and data intergrity for clinical investigations in the personalized medicine space.

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)0,366
score de la tête « metaresearch » (Gemma)0,622
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,366
Score d'incertitude au seuil0,781

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,3660,622
Méta-épidémiologie (sens strict)0,0010,002
Méta-épidémiologie (sens large)0,0030,001
Bibliométrie0,0040,003
Études des sciences et des technologies0,0020,009
Communication savante0,0130,006
Science ouverte0,0030,004
Intégrité de la recherche0,0050,007
Charge utile insuffisante (le modèle a refusé de juger)0,0050,005

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 Opus0,134
Tête enseignante GPT0,441
Écart entre enseignants0,307 · 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.

Devis d'étudeSans objet
Domainenon disponible
GenreMéthodes

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

En bref

Citations0
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Hospital AdministrationMême sujetStatistical Methods in Clinical TrialsTravaux en français237 207