MétaCan
Menu
← Retour à la cohorte
Enregistrement W4391219375 · doi:10.21203/rs.3.rs-3788203/v1

Harmonizing quality improvement metrics across global trial networks to advance paediatric clinical trials delivery

2024· preprint· en· W4391219375 sur OpenAlexaff
Sabah Attar, Angie Price, Collin A. Hovinga, Breanne Stewart, Thierry Lacaze‐Masmonteil, Fedele Bonifazi, M. Turner, Ricardo M. Fernandes

Notice bibliographique

RevueResearch Square · 2024
Typepreprint
Langueen
DomaineMedicine
ThématiqueEthics in Clinical Research
Établissements canadiensUniversity of CalgaryUniversity of Alberta
Organismes subventionnairesEuropean CommissionNovartis Pharmaceuticals CorporationChiesi FarmaceuticiEuropean Federation of Pharmaceutical Industries and AssociationsEli Lilly and CompanyU.S. Department of Health and Human Services
Mots-clésClinical trialQuality (philosophy)Quality managementMedicineComputer scienceOperations managementEngineeringInternal medicine

Résumé

récupéré en direct d'OpenAlex

Abstract Background Despite global efforts to improve paediatric clinical trials, significant delays continue in paediatric drug approvals. Collaboration between research networks is needed to address these delays. This paper is a first step to promote interoperability between paediatric networks from different jurisdictions by comparing drivers for, and content of, metrics about clinical trial conduct. Methods Three paediatric networks, that focus on novel drugs and work with industry and academic Sponsors, Institute for Advanced Clinical Trials for Children, the Maternal Infant Child and Youth Research Network and conect4children have developed metrics. We identified the goal and methodology of each network to select metrics. We described the metrics of each network through a survey. We mapped consistency and divergence and came to consensus about core metrics that these networks could share. Results Metric selection was driven by site quality improvement in one network (11 metrics), by network performance in one network (13 metrics), and by both in one network (5 metrics). The domains of metrics were research capacity/capability, site identification / feasibility, trial start-up, and recruitment /enrolment. The network driven by site quality improvement did not have indicators for capacity/capability or identification/feasibility. 15 metrics for trial start up and conduct were identified. Metrics related to site approvals were found in all three networks. The themes for metrics can inform the development of ‘shared’ metrics. Conclusion We found disparity in drivers, methodology and metrics. Collaborative work to define inter-operable metrics globally is necessary and an approach to this is outlined.

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)0,325
score de la tête « metaresearch » (Gemma)0,520
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche
Catégories consensuellesMétarecherche
DomaineSignal candidat: Évaluation · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,675
Score d'incertitude au seuil0,833

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,3250,520
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0020,002
Bibliométrie0,0120,015
Études des sciences et des technologies0,0030,003
Communication savante0,0170,022
Science ouverte0,0040,014
Intégrité de la recherche0,0020,005
Charge utile insuffisante (le modèle a refusé de juger)0,0040,001

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 Opus0,817
Tête enseignante GPT0,731
Écart entre enseignants0,087 · 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'étudeSans objet
DomaineÉvaluation
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

Citations1
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueResearch Square→Même sujetEthics in Clinical Research→Travaux en français237 207→