ONCO Evidence: uma ferramenta inovadora para a pesquisa, gestão, ensino e assistência em oncologia
Notice bibliographique
Résumé
Introdução O câncer é um dos principais problemas de saúde pública no mundo, sendo a primeira ou segunda causa de morte prematura na maioria dos países. Diante de sua magnitude, necessita de ações organizadas para seu enfrentamento e o uso de evidências científicas é um pilar para a formulação de políticas públicas, de estratégias de prevenção e controle da doença, melhoria da prática clínica e alocação eficiente de recursos financeiros. O processo de busca bibliográfica requer conhecimentos específicos para o manejo das diferentes fontes de informação e construção de estratégias de busca eficientes. A plataforma ONCO Evidence© foi estruturada para recuperar evidências técnico-científicas indexadas nas bases de dados PUBMED, EMBASE e LILACS, por meio de estratégias de busca selecionáveis em diferentes campos de busca. Métodos A construção dos campos de busca foi baseada nos acrônimos de pesquisa PICOS e PECOS, incluindo um campo para a topografia do câncer e excluindo o campo de comparador. Dessa forma, cinco campos foram criados: topografia do câncer, população, intervenção/exposição, desfecho e desenho de estudo. Para a seleção dos tipos de câncer foram consideradas as estimativas de prevalência, incidência e mortalidade do INCA e o Global Cancer Observatory. Para a seleção dos desfechos e intervenções/exposições, foi consultado o corpo técnico-científico do INCA, por meio de formulário do Google Forms. Para as populações, foram consultados os vocabulários controlados Mesh, DeCs e Emtree. Para os delineamentos de estudo, filtros validados da Canadian Agency for Drugs and Technologies in Health foram adotados. O Peer Review of Eletronic Search Strategies serviu como base metodológica para a elaboração das estratégias de busca da plataforma. Para o stack tecnológico a simplicidade, curva de aprendizado, fácil distribuição e entrega progressiva foram consideradas. Resultados No total, foram confeccionadas e revisadas, por um segundo especialista, 396 estratégias de busca. Para o campo de topografia do câncer foram elaboradas estratégias para os 30 tipos de câncer mais prevalentes e com maiores taxas de mortalidade. Em relação às intervenções/exposições, foram selecionadas 36 opções, como radioterapia, quimioterapia e imunoterapia. No campo de desfechos, 21 opções foram inseridas, entre elas: sobrevida global, sobrevida livre de progressão e mortalidade. As populações incluídas foram: idosos, crianças, adolescentes, mulheres, homens, recém-nascidos e negros. Por fim, os filtros para tipos de estudo adotados foram: revisão sistemática, ensaio clínico randomizado, estudo qualitativo e guidelines. Foram elaboradas 5 telas interativas de navegação: início, sobre, colaboradores, parcerias e contato. Para atender pesquisadores de outros países, uma versão em inglês da plataforma será disponibilizada. Discussões e conclusões Pretende-se, por meio da interface user friendly, que os usuários consigam interagir de forma eficiente com o sistema, tendo seus objetivos de pesquisa atendidos com precisão e em tempo curto, sem o auxílio de um especialista. Espera-se que a ONCO Evidence© se transforme numa ferramenta estratégica e inovadora no campo da Saúde Baseada em Evidências, bem como num modelo para iniciativas semelhantes em outras áreas do conhecimento e o start para o surgimento de uma rede integrada de plataformas voltadas para a área da saúde.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,009 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,002 | 0,000 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,013 | 0,010 |
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; les deux têtes enseignantes 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 ».