Facilitation of Enrollment onto Cancer Clinical Trials Using a Novel Navigator-Assisted Program: A Cross-Sectional Study
Notice bibliographique
Résumé
INTRODUCTION: Clinical trials are essential to the advancement of clinical therapies that improve the outcomes of people with cancer. However, enrollment in clinical trials remains a challenge. The Clinical Trial Navigator [CTN] Program was designed to address the current gap in the cancer care journey by assisting with the clinical trials search process. METHODS: survey that collected the patient's medical history. A final curated list of potential clinical trials was provided to the applicant. Metrics of success included clinical trial referral and enrollment, and we examined the factors that impacted these outcomes. RESULTS: A total of 445 people with cancer applied to the CTN program during the study. Of the 262 patients with referral and enrollment information, a trial referral occurred in 27.5% [n = 72]. Of the 72 patients who were referred to a clinical trial, 13 [18.1%] were enrolled, 9 [12.5%] are pending enrollment, and 50 [69.4%] were not enrolled. We identified a potential trial for 88% of applicants, with a median of one potential trial per patient. Physicians were highly involved as applicants. INTERPRETATION: The CTN program is successful in searching for clinical trials for people with cancer. Ongoing implementation into other Canadian sites, assessments of patient-reported outcomes, website and social media campaigns, and research into the factors that impact referral and enrollment are underway.
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 | 0,014 | 0,022 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
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.
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 ».