MétaCan
Menu
Retour à la cohorte
Enregistrement W4387533296 · doi:10.3389/fphar.2023.1233617

A blueprint for success in real-world evidence: “glocal” approach to building capabilities and generating impactful evidence

2023· article· en· W4387533296 sur OpenAlexaff
Kristoffer Larsen, Ryan N. Walton, Mohamed Elsayed, A.I. Ipatov, Faye Townsend-Holyoake, Sebastian F. A. Axelsson, Nacho Quinones, Rudiger Papsch, Jennifer E. Givens, Alexander Bedenkov, Michael J. Seewald

Notice bibliographique

RevueFrontiers in Pharmacology · 2023
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueHealth Systems, Economic Evaluations, Quality of Life
Établissements canadiensAstraZeneca (Canada)
Organismes subventionnairesAstraZeneca
Mots-clésGlocalizationBlueprintReal world evidenceComputer scienceProcess managementBusinessPolitical scienceEngineeringMechanical engineeringMedicineGlobalization

Résumé

récupéré en direct d'OpenAlex

The past decade has seen the increasing influence and relevance of real-world data (RWD) and real-world evidence (RWE) in healthcare decision making. The value added by RWD/RWE has prompted the pharmaceutical industry to develop high performing systems and practices to harness the power of evidence generated at the global level. However, this worldwide transformation provides outstanding opportunities to support capability building within local affiliates and to impact key country-level stakeholders through resulting evidence. Therefore, we present an Evidence Blueprint Initiative, which links the global and local ("glocal") skills, and furthermore addresses the opportunities and gaps in evidence generation capabilities at the local level. Cross-functional experts were recruited at the local, regional, and global level to define best practices. A framework was developed to characterize the foundational expertise needed and to assess markets' existing capabilities. Subsequently, targeted roadmaps were developed and implemented to build capabilities in specific areas within each affiliate. The impact from the Blueprint is encouraging, resulting in improved local evidence plans, established evidence teams, enhanced RWD use and strategic implementation of patient centric science in local affiliates. The success of the Blueprint resides in empowering affiliates to realise their local evidence generation ambitions and to match them to their local context. It strengthens and expands the ties between various parts of the organisation and the external environment while building fit-for-future evidence capabilities from local affiliates.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,385
score de la tête « metaresearch » (Gemma)0,353
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche
Catégories consensuellesMétarecherche
DomaineSignal candidat: Méthodes · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,615
Score d'incertitude au seuil0,758

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,3850,353
Méta-épidémiologie (sens strict)0,0030,003
Méta-épidémiologie (sens large)0,0030,003
Bibliométrie0,0210,009
Études des sciences et des technologies0,0110,101
Communication savante0,0470,047
Science ouverte0,0100,058
Intégrité de la recherche0,0170,034
Charge utile insuffisante (le modèle a refusé de juger)0,0070,004

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 Opus0,403
Tête enseignante GPT0,499
Écart entre enseignants0,096 · 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; l’étiquette directe de Gemma et le classifieur distillé Codex s’accordent sur ce qui est montré ici.

Devis d'étudeThéorique ou conceptuel
DomaineMéthodes
GenreMéthodes

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

En bref

Citations3
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueFrontiers in PharmacologyMême sujetHealth Systems, Economic Evaluations, Quality of LifeTravaux en français237 207