MétaCan
Menu
Retour à la cohorte
Enregistrement W4224249539 · doi:10.1038/s41591-022-01775-6

Reimagining patient-centric cancer clinical trials: a multi-stakeholder international coalition

2022· article· en· W4224249539 sur OpenAlexafffund
Bob T. Li, Bobby Daly, Mary Gospodarowicz, Monica M. Bertagnolli, Otis W. Brawley, Bruce A. Chabner, Lola A. Fashoyin‐Aje, R. Angelo de Claro, Elizabeth Franklin, Jennifer S. Mills, Jeff Legos, Karen Kaucic, Mark Junjie Li, Lydia Thé, Tina Hou, Tinghui Wu, Björn Albrecht, Yi Shao, Justin Finnegan, Jing Qian, Javad Shahidi, Eduard Gasal, Craig Tendler, Geoffrey Kim, James Yan, Phuong K. Morrow, Charles S. Fuchs, Lianshan Zhang, Robert LaCaze, Stefan Oelrich, Martin J. Murphy, Richard Pazdur, Kevin Rudd, Yi‐Long Wu

Notice bibliographique

RevueNature Medicine · 2022
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueCancer Genomics and Diagnostics
Établissements canadiensPrincess Margaret Cancer CentreUniversity of Toronto
Organismes subventionnairesFoundation MedicinePharmacyclicsJohns Hopkins Bloomberg School of Public HealthWeill Cornell Medical CollegeGenentechShanghai Jiao Tong UniversityAstellas PharmaEisaiBayer HealthCareGovernment of OntarioOntario Institute for Cancer ResearchHSBC Bank USABaxaltaVarian Medical SystemsJohns Hopkins UniversityMemorial Sloan-Kettering Cancer CenterDaiichi Sankyo EuropeNational Cancer InstituteBayerGilead SciencesUniversity of TorontoYale UniversityExelixisGuangdong Provincial People's HospitalLeidosBreast Cancer Research FoundationSanofiAstraZenecaEli Lilly and CompanyQueen's UniversityBloomberg L.P.CelgeneYale Cancer CenterInnovent BiologicsIncytePfizerNational Institutes of HealthNateraRobert Wood Johnson FoundationAmgenBeiGeneAlliance for Clinical Trials in Oncology FoundationJiangsu Hengrui MedicinePrevent Cancer FoundationTeva Pharmaceutical IndustriesMassachusetts General Hospital
Mots-clésLeverage (statistics)Government (linguistics)Clinical trialStakeholderPandemicPublic relationsPolitical scienceBusinessCoronavirus disease 2019 (COVID-19)Public administrationMedicine

Résumé

récupéré en direct d'OpenAlex
Aucun résumé dans les sources couvertes. Son absence est consignée, pas traitée comme un négatif.

Aucun résumé. Ce n'est pas une lacune de cette base de données : OpenAlex n'en a pas non plus. 23,3 % de la base est dans cet état, et le tri y repère MOITIÉ moins de métarecherche ; l'absence est donc un biais mesuré, et non un champ manquant.

Comment cette classification a été obtenuedéplier

Prédiction distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,003
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,284
Score d'incertitude au seuil0,667

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,119
Tête enseignante GPT0,433
Écart entre enseignants0,315 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreEmpirique

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

En bref

Citations52
Publié2022
Routes d'admission2
Résumé présentnon

Explorer davantage

Même revueNature MedicineMême sujetCancer Genomics and DiagnosticsTravaux en français237 207