Abstract 6476: Solving the real-world data challenge: A hybrid resourcing model to curate RWD at scale
Notice bibliographique
Résumé
Abstract Introduction: As cancer treatments become more complex, the need for structured real-world data (RWD) to support clinical research is critical. However, researchers often lack resources to curate data in-house. Organizations are challenged with timely data curation at the quality and scale needed for real world applications. Methods: As members of the AACR Project GENIE (Genomics Evidence Neoplasia Information Exchange) Biopharma Collaborative (BPC), Memorial Sloan Kettering Cancer Center (MSK) and Dana-Farber Cancer Institute (DFCI) partnered with Vasta Global, an Omega Healthcare company, to build a model for curating RWD at scale, allowing for cost-effective RWD curation while leveraging expert resources and best practices. The approach includes managing a hybrid onshore and offshore team with clear communication and recurring check-ins, cross-training curators on different EHRs to reallocate Vasta Global resources and maintain project pace, building program-specific clinical data curation training, establishing QA and delivery methods, standardizing data curation, assigning productivity standards, aligning data quality practices and benchmarks, and developing data visualizations and analytics to show progress and insights. Results: In Phase 1 of the AACR GENIE BPC, data was curated from four sites: MSK, DFCI, Vanderbilt Ingram Cancer Center (VICC) in Nashville, and Princess Margaret Cancer Centre, University Health Network (UHN) in Toronto. During Phase 1, MSK and DFCI, with Vasta Global’s assistance, delivered high-quality RWD for 6,475 patients (NSCLC = 1,591; CRC = 1,264; Bladder = 639; Breast = 957; Pancreas 989; and Prostate = 1,035). All data for these cohorts will be publicly available by Spring 2024 in the AACR Project GENIE cBioPortal. MSK and DFCI generated usable and fit-for-purpose RWD to help advance oncology clinical decision-making and data sharing. Conclusion: Accelerating RWD curation will empower the oncology community to leverage data-driven insights and advance treatment opportunities for cancer patients. Working alongside lead sites, a partner like Vasta Global enables researchers to leverage extensive expertise in the BPC data model, allowing for consistency and scalability of the BPC program. In this hybrid model, research partners can curate RWD in a cost-effective way, while remaining focused on core research responsibilities. Citation Format: Julia Rudolph, Kenneth L. Kehl, Melanie Bernstein. Solving the real-world data challenge: A hybrid resourcing model to curate RWD at scale [abstract]. In: Proceedings of the American Association for Cancer Research Annual Meeting 2024; Part 1 (Regular Abstracts); 2024 Apr 5-10; San Diego, CA. Philadelphia (PA): AACR; Cancer Res 2024;84(6_Suppl):Abstract nr 6476.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,043 | 0,060 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,004 | 0,005 |
| Études des sciences et des technologies | 0,004 | 0,007 |
| Communication savante | 0,011 | 0,016 |
| Science ouverte | 0,006 | 0,017 |
| Intégrité de la recherche | 0,004 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 0,003 |
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 source (Gemma direct ou Codex distillé), 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 ».