Generating real‐world evidence in Alzheimer's disease: Considerations for establishing a core dataset
Notice bibliographique
Résumé
Ongoing assessment of patients with Alzheimer's disease (AD) in postapproval studies is important for mapping disease progression and evaluating real-world treatment effectiveness and safety. However, interpreting outcomes in the real world is challenging owing to variation in data collected across centers and specialties and greater heterogeneity of patients compared with trial participants. Here, we share considerations for observational postapproval studies designed to collect harmonized longitudinal data from individuals with mild cognitive impairment or mild dementia stage of disease who receive therapies targeting the underlying pathological processes of AD in routine practice. This paper considers key study design parameters, including proposed aims and objectives, study populations, approaches to data collection, and measures of cognition, functional abilities, neuropsychiatric status, quality of life, health economics, safety, and drug utilization. Postapproval studies that capture these considerations will be important to provide standardized data on AD treatment effectiveness and safety in real-world settings.
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 | 0,606 | 0,798 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,003 |
| Méta-épidémiologie (sens large) | 0,006 | 0,007 |
| Bibliométrie | 0,012 | 0,013 |
| Études des sciences et des technologies | 0,003 | 0,006 |
| Communication savante | 0,016 | 0,013 |
| Science ouverte | 0,011 | 0,016 |
| Intégrité de la recherche | 0,008 | 0,010 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,002 |
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; l’étiquette directe de Gemma et le classifieur distillé Codex s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».