MétaCan
Menu
Retour à la cohorte
Enregistrement W4366178534 · doi:10.1038/s43856-023-00281-1

The importance of appropriate selection of clinical endpoints in outpatient COVID-19 clinical trials

2023· review· en· W4366178534 sur OpenAlexaff
Kristian Thorlund, Davey M. Smith, Christopher Linsell, Nicholas J. White, Christopher Butler, David R. Boulware, Judith S. Currier, Ofir Harari, Edouard Lhomme, Nathalie Strub‐Wourgaft, Stacey J. Adam, Edward J. Mills

Notice bibliographique

RevueCommunications Medicine · 2023
Typereview
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueHealth Systems, Economic Evaluations, Quality of Life
Établissements canadiensMcMaster University
Organismes subventionnairesnon disponible
Mots-clésCoronavirus disease 2019 (COVID-19)Selection (genetic algorithm)Clinical trial2019-20 coronavirus outbreakSevere acute respiratory syndrome coronavirus 2 (SARS-CoV-2)MedicineIntensive care medicineComputer scienceVirologyInternal medicineArtificial intelligenceOutbreakInfectious disease (medical specialty)

Résumé

récupéré en direct d'OpenAlex

Clinical trial endpoints must be carefully and intentionally selected so that the results of the trial can be used to inform policy- and decision-making. The relative importance of potential endpoints often depends on the stakeholder, with patients having different preferences to policymakers and regulators. The set up of clinical trials for COVID-19 was problematic, as endpoints that could be reasonably measured did not always match the efficacy endpoints usually required by guideline panels. Thus, different endpoints were used, which made the timely comparison and evaluation of interventions difficult. Here we discuss the evolution of the COVID-19 landscape and the effect this is having on the selection of consistent and measurable clinical trial endpoints. Using appropriate endpoints is crucial for researchers to offer the most reliable, valid, and interpretable results possible.

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 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)0,327
score de la tête « metaresearch » (Gemma)0,344
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche, Méta-épidémiologie (sens strict)
Catégories consensuellesMétarecherche
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,879
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,3270,344
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0090,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0020,000
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,941
Tête enseignante GPT0,707
Écart entre enseignants0,234 · 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

Devis d'étudeSans objet
Domainenon disponible
GenreSynthèse

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

En bref

Citations9
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCommunications MedicineMême sujetHealth Systems, Economic Evaluations, Quality of LifeTravaux en français237 207