Opportunities and challenges for the development of “core outcome sets” in neuro-oncology
Notice bibliographique
Résumé
Core Outcome Sets (COS) define minimum outcomes to be measured and reported in clinical effectiveness trials for a particular health condition/health area. Despite recognition as critical to clinical research design for other health areas, none have been developed for neuro-oncology. COS development projects should carefully consider: scope (how the COS should be used), stakeholders involved in development (including patients as both research partners and participants), and consensus methodologies used (typically a Delphi survey and consensus meeting), as well as dissemination plans. Developing COS for neuro-oncology is potentially challenging due to extensive tumor subclassification (including molecular stratification), different symptoms related to anatomical tumor location, and variation in treatment options. Development of a COS specific to tumor subtype, in a specific location, for a particular intervention may be too narrow and would be unlikely to be used. Equally, a COS that is applicable across a wider area of neuro-oncology may be too broad and therefore lack specificity. This review describes why and how a COS may be developed, and discusses challenges for their development, specific to neuro-oncology. The COS under development are briefly described, including: adult glioma, incidental/untreated meningioma, meningioma requiring intervention, and adverse events from surgical intervention for pediatric brain tumors.
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 | 0,007 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».