Adaptive multi-interventional trial platform to improve patient care for fibrotic interstitial lung diseases
Notice bibliographique
Résumé
BACKGROUND: Fibrotic interstitial lung diseases (fILDs) are a heterogeneous group of lung diseases associated with significant morbidity and mortality. Despite a large increase in the number of clinical trials in the last 10 years, current regulatory-approved management approaches are limited to two therapies that prevent the progression of fibrosis. The drug development pipeline is long and there is an urgent need to accelerate this process. This manuscript introduces the concept and design of an innovative research approach to drug development in fILD: a global Randomised Embedded Multifactorial Adaptive Platform in fILD (REMAP-ILD). METHODS: Description of the REMAP-ILD concept and design: the specific terminology, design characteristics (multifactorial, adaptive features, statistical approach), target population, interventions, outcomes, mission and values, and organisational structure. RESULTS: The target population will be adult patients with fILD, and the primary outcome will be a disease progression model incorporating forced vital capacity and mortality over 12 months. Responsive adaptive randomisation, prespecified thresholds for success and futility will be used to assess the effectiveness and safety of interventions. REMAP-ILD embraces the core values of diversity, equity, and inclusion for patients and researchers, and prioritises an open-science approach to data sharing and dissemination of results. CONCLUSION: By using an innovative and efficient adaptive multi-interventional trial platform design, we aim to accelerate and improve care for patients with fILD. Through worldwide collaboration, novel analytical methodology and pragmatic trial delivery, REMAP-ILD aims to overcome major limitations associated with conventional randomised controlled trial approaches to rapidly improve the care of people living with fILD.
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 | 0,001 |
| 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 ».