MétaCan
Menu
← Retour à la cohorte
Enregistrement W4402390999 · doi:10.23889/ijpds.v9i5.2505

Pragmatic Clinical Trials, Linkages and Agreements: Interjurisdictional Collaboration on Pragmatic Clinical Trials

2024· article· en· W4402390999 sur OpenAlexaff
Jeffrey A. Bakal, Erik Youngson, Scott Garrison

Notice bibliographique

RevueInternational Journal for Population Data Science · 2024
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueHealth Systems, Economic Evaluations, Quality of Life
Établissements canadiensUniversity of AlbertaAlberta Health Services
Organismes subventionnairesnon disponible
Mots-clésClinical trialComputer scienceMedicineInternal medicine

Résumé

récupéré en direct d'OpenAlex

The randomized clinical trial framework has proven to be a robust way of evaluating and comparing medications and procedures for many years. The promise of measured and unmeasured balance and equipoise through randomization remains very appealing. Emerging challenges for trialists have been diminishing returns in terms of effect sizes as treatments become more effective and the ever-growing costs associated with the operation of clinical trials. The costs and operational overhead limit the ability of publicly funded trials to operate at a sufficiently robust level. Recently we have been working to engage clinicians and patients in pragmatic clinical trials which in part leverage routinely collected health system data to both provide an unbiased and effective means of obtaining high quality data for recruiting, randomization and outcomes. As these trials have expanded between provincial jurisdictions, we have had to look for creative solutions to assembling and sharing data in order to reach the trial goals. This presentation will examine some of the technical and logistical challenges that we have faced, how they have been addressed and the path forward for clinical trials.

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)0,606
score de la tête « metaresearch » (Gemma)0,691
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche
Catégories consensuellesMétarecherche
DomaineSignal candidat: Méthodes · Signal consensuel: Méthodes
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,997
Score d'incertitude au seuil0,486

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,6060,691
Méta-épidémiologie (sens strict)0,0010,003
Méta-épidémiologie (sens large)0,0040,002
Bibliométrie0,0060,007
Études des sciences et des technologies0,0090,043
Communication savante0,0320,044
Science ouverte0,0080,054
Intégrité de la recherche0,0240,029
Charge utile insuffisante (le modèle a refusé de juger)0,0170,003

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.

Tête enseignante Opus0,776
Tête enseignante GPT0,677
Écart entre enseignants0,099 · 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
DomaineMéthodes
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal for Population Data Science→Même sujetHealth Systems, Economic Evaluations, Quality of Life→Travaux en français237 207→