MétaCan
Menu
Retour à la cohorte
Enregistrement W4387124890 · doi:10.56012/xafs6978

Unlocking new efficiencies: How structured content authoring is streamlining the production of clinical documents for the pharmaceutical industry

2023· article· en· W4387124890 sur OpenAlexaff
Mati Kargren, John G. April, Gina Clark, Jonathan Mackinnon, Aliza Nathoo, Elizabeth Theron

Notice bibliographique

RevueMedical Writing · 2023
Typearticle
Langueen
DomaineComputer Science
ThématiqueOpen Education and E-Learning
Établissements canadiensRoche (Canada)
Organismes subventionnairesnon disponible
Mots-clésStructuringComputer scienceReuseContent (measure theory)Product (mathematics)Production (economics)Medical writingAuthoring systemMultimediaWorld Wide WebBusinessMedical educationMedicine

Résumé

récupéré en direct d'OpenAlex

Current practice requires clinical and regulatory documents to be created and updated manually by medical writers throughout a product’s development. Conventionally, document content is unstructured, with freeform text, figures, and tables that the medical writer can arrange in any configuration. By structuring and standardising clinical and regulatory content, the pharmaceutical industry can shift from a document-based to a content-based approach. This transition will require adopting structured content management tools and common structures, and standardising content. In tandem, medical writers must evolve their skillset and ways of working, primarily through planning and producing content and adopting structured content authoring practices to facilitate content creation and reuse. This article introduces structured content authoring and outlines how the medical writing role in the pharmaceutical industry may soon evolve.

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)0,005
score de la tête « metaresearch » (Gemma)0,011
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Autre devis · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,943
Score d'incertitude au seuil0,997

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0050,011
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,001
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 Opus0,204
Tête enseignante GPT0,445
Écart entre enseignants0,241 · 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.

Devis d'étudeAutre devis
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

Citations2
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMedical WritingMême sujetOpen Education and E-LearningTravaux en français237 207