MétaCan
Menu
Retour à la cohorte
Enregistrement W4399848020 · doi:10.1007/s43441-024-00663-0

Harmonizing Quality Improvement Metrics Across Global Trial Networks to Advance Paediatric Clinical Trials Delivery

2024· article· en· W4399848020 sur OpenAlexafffund
Sabah Attar, Angie Price, Collin A. Hovinga, Breanne Stewart, Thierry Lacaze‐Masmonteil, Fedele Bonifazi, M. Turner, Ricardo M. Fernandes

Notice bibliographique

RevueTherapeutic Innovation & Regulatory Science · 2024
Typearticle
Langueen
DomaineMedicine
ThématiquePharmaceutical studies and practices
Établissements canadiensUniversity of CalgaryUniversity of Alberta
Organismes subventionnairesCanadian Institutes of Health ResearchFood and Drug AdministrationInnovative Medicines Initiative
Mots-clésMetric (unit)Consistency (knowledge bases)Computer scienceIdentification (biology)Quality (philosophy)InteroperabilityClinical trialProtocol (science)Data miningData scienceProcess managementMedicineOperations managementArtificial intelligenceEngineeringWorld Wide Web

Résumé

récupéré en direct d'OpenAlex

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, Institute for Advanced Clinical Trials for Children, the Maternal Infant Child and Youth Research Network and conect4children, have each developed metrics to address delays and create efficiencies. We identified the methodology by which each network identified metrics, described the metrics of each network, and mapped consistency to come to consensus about core metrics that 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 (five 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. Fifteen 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. Tackling this disparity will result in a unified approach to addressing delays in paediatric drug approvals. Collaborative work to define inter-operable metrics globally 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)0,451
score de la tête « metaresearch » (Gemma)0,510
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 enseignants0,549
Score d'incertitude au seuil0,677

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,4510,510
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0020,002
Bibliométrie0,0130,016
Études des sciences et des technologies0,0020,003
Communication savante0,0190,019
Science ouverte0,0060,017
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 Opus0,368
Tête enseignante GPT0,547
Écart entre enseignants0,179 · 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

Citations8
Publié2024
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueTherapeutic Innovation & Regulatory ScienceMême sujetPharmaceutical studies and practicesTravaux en français237 207