一种用于为系统综述更新推荐新试验证据的共享潜在空间矩阵分解方法
信息检索
2018-03-01 v4
摘要
临床试验注册库可用于监测试验证据的产生，并在系统综述过时发出信号。然而，由于需要大量人工审查以搜索和筛选相关的试验注册，这一用途至今受到限制。我们的目标是评估一种新方法，该方法可以部分自动化识别可能与系统综述更新相关的试验注册。我们确定了 179 篇关于 2 型糖尿病药物干预的系统综述，其中包含 537 项在 ClinicalTrials.gov 上注册的临床试验。我们测试了一种使用共享潜在空间的矩阵分解方法，该方法学习如何为每个系统综述对相关试验注册进行排序，并将其性能与使用文档相似度对相关试验注册进行排序进行了比较。这两种方法在 2 型糖尿病系统综述集中最新试验的保留集，以及来自 Cochrane Database of Systematic Reviews 中 17 篇已更新的系统综述的 141 项未见临床试验注册集上进行了测试。矩阵分解方法优于文档相似度方法，其中位排名为 59，recall@100 为 60.9%，而文档相似度基线的中位排名为 138，recall@100 为 42.8%。在第二组系统综述及其更新中，表现最佳的方法使用了文档相似度，其中位排名为 67（recall@100 为 62.9%）。所提出的方法可用于对试验注册进行排序，以减少与为系统综述更新寻找相关试验相关的人工工作量。结果表明，该方法可作为半自动化流水线的一部分，用于监测可能纳入综述更新的新证据。
引用
@article{arxiv.1709.06758,
title = {A shared latent space matrix factorisation method for recommending new trial evidence for systematic review updates},
author = {Didi Surian and Adam G. Dunn and Liat Orenstein and Rabia Bashir and Enrico Coiera and Florence T. Bourgeois},
journal= {arXiv preprint arXiv:1709.06758},
year = {2018}
}
备注
Journal of Biomedical Informatics Vol. 79, March 2018, p. 32-40