Count Me In: patient-partnered research to address disparities for rare cancer patients
Notice bibliographique
Résumé
Background: Approximately 25% of cancer patients are diagnosed with rare cancers and face unique challenges. Decentralized patient-partnered research efforts, like Count Me In provide an avenue for patients to participate in research that overcomes key barriers to address disparities in rare cancer research to accelerate discovery. Objectives: Projects in metastatic breast cancer (The Metastatic Breast Cancer Project; MBCproject) and angiosarcoma (The Angiosarcoma Project; ASCproject) highlight disparities that exist for all cancer patients and underscore those that are compounded for rare cancer patients. Design: Through Count Me In's research platform, patients visit a website to enroll in the study and complete surveys, which allows us to access their medical records and biospecimens. Clinically annotated sequencing data are de-identified and released on research platforms. Methods: MBCproject and ASCproject data were analyzed to identify differences between patients with a more common and rare cancer, respectively. The analysis included outreach strategies, patient-reported themes, and distance traveled for care. Results: As of September 28, 2023, 3742 patients have enrolled in MBCproject and 491 patients have enrolled in the ASCproject from across the United States and Canada. Outreach strategies were tailored to resource availability. Using survey information, it was observed that patients with a rare cancer (angiosarcoma) traveled longer distances to receive care than those with a more common cancer (metastatic breast cancer) for three major cancer centers. Patients with rare and common cancers highlighted different themes when asked about their disease experience. Themes like misdiagnosis and discontent with resource availability came up more often for rare cancer patients. Data sharing and collaboration in angiosarcoma research enabled rapid discoveries with clinical impact. Conclusion: Count Me In's platform has led to unprecedented data generation and findings in rare cancer through partnering with patients. Directly engaging with patients to generate and share data while emphasizing collaboration sets the foundation for a more equitable future.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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 tête enseignante, 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 ».