Incorporation of patient-reported outcomes in pediatric cancer clinical trials: design, implementation, and dissemination
Notice bibliographique
Résumé
Understanding the patient experience of treatment toxicities and their impact on health-related quality of life from cancer treatments requires asking patients using patient-reported outcomes. Over the past 20 years, the National Institutes of Health has sponsored several tools-namely, Patient-Reported Outcomes Measurement Information System measures and the Patient-Reported Outcomes version of the Common Terminology Criteria for Adverse Events-for precisely this purpose: to ensure valid, reliable tools to collect and detect patient-reported toxicities or adverse events and their impact on health-related quality of life. These patient-reported outcomes measures have been widely incorporated in clinical trials for adults with cancer. Yet, despite considerable work developing and validating developmentally appropriate versions of these measures for pediatric and adolescent self-report, patient-reported outcomes inclusion in pediatric and adolescent and young adult clinical trials has lagged. Here, we discuss optimal strategies to integrate validated patient-reported outcomes tools and sound analytic methodologies in clinical trials for children and adolescent and young adults with cancer, highlighting lessons learned from recent successes and ongoing experiences developing and opening cross-network trials for children and adolescent and young adults through the Children's Oncology Group for patients with classic Hodgkin lymphoma, osteosarcoma, and acute lymphoblastic leukemia.
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 | 0,808 | 0,844 |
| Méta-épidémiologie (sens strict) | 0,005 | 0,005 |
| Méta-épidémiologie (sens large) | 0,008 | 0,009 |
| Bibliométrie | 0,016 | 0,021 |
| Études des sciences et des technologies | 0,003 | 0,007 |
| Communication savante | 0,017 | 0,011 |
| Science ouverte | 0,006 | 0,012 |
| Intégrité de la recherche | 0,009 | 0,010 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,015 | 0,005 |
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 ».