157P PCM4EU academy: An educational program for precision oncology
Notice bibliographique
Résumé
The application of precision oncology needs to educate medical professionals and citizens, including patients and their advocates, researchers, molecular biologists, decision/policymakers, and funding bodies. Increasing the knowledge about new therapies and diagnostics tools, innovative clinical trial design, and innovation in research helps bridge better patient care to clinical practice. This project aims to build a comprehensive portfolio of knowledge for various audiences as podcasts and webinars and hybrid courses, including virtual molecular tumor boards. We also explore the different online channels for communication to reach the target population effectively. Between JAN-JUN 2023, 25 podcasts were recorded (12 in English, 3 in French, 10 in Polish). There are podcasts for medical professionals, and for citizens and patients (either in english or in local languages with subtitles available). Among others are podcasts on molecular screening techniques, the organization of precision medicine in EU, methodologies of personalized oncology clinical trials with information about ongoing DRUP-like trials, cross border access to therapies, pragmatic reimbursement and artificial intelligence in precision oncology. Two interactive training sessions, either in person or hybrid way were realized. Paper reports and recordings are available on the website. Educational materials are available from the project website, as video format on Youtube). Building an educational pathway by providing high quality educational materials is required to understand the complex and rapidly evolving field of precision oncology. The topics should be popularised also in national languages to reach high range of citizens.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».