REBECCA: A System for Real World Behavioural Data in Breast Cancer Clinical Research and Patient Care
Notice bibliographique
Résumé
The REBECCA platform is a digital, cloud-based system designed to support clinical research and patient treatment in breast cancer patients (BCPs) through continuous, real-time monitoring of their behavioural, physical, and emotional well-being.It integrates heterogeneous data sources-wearable sensors, mobile applications, electronic questionnaires, web browsing behaviour, social media interactions, and electronic health records (EHRs)-into a unified and scalable infrastructure.At the core of the platform lies a robust system architecture that combines asynchronous communication via a message broker with distributed data streaming technologies, enabling high-frequency data ingestion and processing.Data from wearable devices and patient-reported outcomes are collected through a mobile application, while EHRs are securely transferred from REDCap servers located at clinical centres.All collected data are stored in secure cloud databases, forming datasets that reflects the patient's lifestyle, treatment journey, and psychosocial status.The platform features an interactive web-based clinical dashboard that allows healthcare professionals to assess individual patient trajectories, evaluate treatment and post treatment impacts, and derive actionable insights for care optimization and research.As a tool for research, it can complement traditional Randomised Control Trials (RCTs).The REBECCA system enables continuous monitoring, predictive modelling, and personalized decision support, integrating real-world data streams and supporting asynchronous data communication among analytic services.This paper presents the system architecture, data integration pipeline, and core functionalities of the REBECCA platform, highlighting its role as an enabler for next-generation clinical monitoring in oncology research and patient-centred care.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| 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 ».