論文の概要: RECITE: Revising Eligibility Criteria Incorporating Textual Evidence
- arxiv url: http://arxiv.org/abs/2610.41368v1
- Date: Fri, 30 Oct 2026 07:34:50 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-11-02 22:05:31.645351
- Title: RECITE: Revising Eligibility Criteria Incorporating Textual Evidence
- Title（参考訳）: RECITE:テキストエビデンスを取り入れたコンプライアンス基準の改訂
- Abstract要約: 過度に制限された適格性基準は、臨床試験における広範囲の登録失敗に寄与する。
本稿では,証拠に基づく資格基準の改訂を自動化し,抽出し,実施するためのフレームワークであるRECITEを紹介する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Overly restrictive eligibility criteria contribute to widespread enrollment failure in clinical trials, yet published recommendations for how specific criteria should be broadened remain disconnected from trial design at scale. We introduce RECITE (Revising Eligibility Criteria Incorporating Textual Evidence), a framework for automated discovery, extraction, and implementation of evidence-based eligibility criteria revisions. RECITE uses protocol amendment documents from ClinicalTrials.gov to construct a dataset of 11,913 curated instances across 5,735 trials, each pairing original criteria with documentary evidence and target revisions. We benchmark fifteen LLM configurations under truncated-to-context-window and retrieval-augmented generation conditions, on a 3,116-instance sample under an LLM-as-judge protocol validated against ten domain experts (judge vs. human quadratic-weighted Cohen's $κ_{qw} = 0.694 \pm 0.096$). The best open-weight model, Gemma 2 9B, achieves $κ_{qw}$-aligned ordinal score $3.0 \pm 0.9$ on a 0--4 scale (normalized 0.742) and the best closed-weight model, GPT-4o, reaches $3.0 \pm 0.8$ (normalized 0.745). Using an agentic literature discovery system, we then identified 44 paper--trial matches across five publications providing trial-design and EC-modification evidence. Our findings suggest that existing clinical knowledge can be operationalized into actionable trial design recommendations.
- Abstract（参考訳）: 過度に制限された適格性基準は、臨床試験における幅広い登録失敗に寄与するが、特定の基準をどのように拡張すべきかの勧告は、大規模な臨床試験設計から切り離されたままである。
本稿では,RECITE(Revising Eligibility Criteria Incorporating Textual Evidence)について紹介する。
RECITEは、CricerTrials.govのプロトコル修正文書を使用して、5,735のトライアルにまたがる11,913のキュレートされたインスタンスのデータセットを構築し、それぞれがオリジナルの基準と、証拠証拠とターゲットリビジョンを組み合わせている。
我々は,LLM-as-judgeプロトコル(judge vs. human quadratic-weighted Cohen's $κ_{qw} = 0.694 \pm 0.096$)を用いて,truncated-to-context-windowおよびresearch-augmented generation条件下で15のLLM構成を3,116個のLLM-as-judgeプロトコルでベンチマークした。
最高のオープンウェイトモデルGemma 2 9Bは、0--4スケール(正規化0.742)で、$κ_{qw}$整列順序スコア$3.0 \pm 0.9$を達成し、最高のクローズドウェイトモデルGPT-4oは$3.0 \pm 0.8$(正規化0.745)に達する。
エージェントによる文献発見システムを用いて,5つの出版物にまたがる44の論文一致を同定し,試行錯誤とEC修正の証拠を得た。
本研究は,既存の臨床知識を有効性のある治験設計勧告に活用できることを示唆する。
関連論文リスト
- How Ground Truth Shapes Retrieval Scores: Evidence-Aware Evaluation of a Retrieval-Augmented Generation System for Breast Lesions [0.4925906256430175]
128から1024のトークンのチャンク、0から20%の重複、および4つのレトリバー構成を評価した。
R-Precision, Recall@K, MRR, nDCG@Kを用いて検索を行った。
クロスエンコーダの順位は最も高い検索スコアを得た。
論文 参考訳（メタデータ） (2026-10-22T17:36:14Z) - Bayesian Test-Time Inference of Task-Aligned Similarity from Weak Interactive Feedback [50.42640957891911]
言語モデルシステムは、類似性を比較することで、繰り返しテスト時の決定を行う。
しかし、類似性はユニークではない:語彙、意味、構造、類似性はNの選択点を取得することができる。
本稿では,現在の意思決定を統括するトレーニングフリーベイズ手法であるAxis Interactive Signalsを紹介する。
論文 参考訳（メタデータ） (2026-10-13T16:19:49Z) - IdeaAMBIG: Benchmarking Implementation-Critical Gaps in Research-Idea Specifications [52.570108663867046]
研究のアイデアは、新しく、一貫性があり、科学的に妥当であるが、その提案された手法は、忠実な実装のために不十分に指定されている。
提案手法は,実装を対象とする研究手法仕様の体系化の可否を,有能な実装者やコーディングエージェントに十分な方法論的情報を提供して,前提条件を満たさずに目的とする手法を構築することができるかを検討する。
IdeaAMBIGは660のエビデンス基底インスタンスのベンチマークで、レポートとGitHubの問題から163の現実世界のギャップと、コーディフィケーション対応のリファレンスに注入される合成ギャップを497のコントロールで管理する。
論文 参考訳（メタデータ） (2026-09-09T17:59:04Z) - Small Language Models as Judges for Rubric-Based Reinforcement Learning [57.707881387886516]
より小型の言語モデルが,より効率的かつ信頼性の高いルーリック・ベース・ジャッジとして機能するかどうかを考察する。
生成的評定,Yes/No Logprobマージン,Probe judgesの3つの基準レベルの判断を,小モデルから抽出する方法を比較した。
どちらのデータセットでも、Qwen3-1.7B Probeの審査員はこれらの方法の中で最強の基準レベルの合意を達成している。
論文 参考訳（メタデータ） (2026-08-30T20:00:17Z) - Benchmark Contamination: A Taxonomy Organized by Defeated Mitigation [0.0]
ベンチマークスコアは、モデルのジョイント特性、評価ハーネス、エレケーション予算、サンプル集団、汚染状態である。
我々は,各タイプの敗北の緩和によって組織された分類を紹介した。
2つの変数は、予め登録された有病率-ロバスト閾値を下回る。
論文 参考訳（メタデータ） (2026-08-29T23:04:09Z) - Benchmarking and Enhancing LLMs for Rule-Intensive Review of National Standard Documents [7.397429318828859]
大規模言語モデル(LLM)は、複雑なプロフェッショナルタスクをますますサポートしているが、ルール集約型文書レビューにおけるそれらの能力は、十分に評価されていない。
既存のベンチマークはドメイン知識と質問応答に重点を置いており、プロのドキュメントの品質レビューをほとんど見落としている。
GB/T-Benchは,全国標準文書の構造化レビューのための最初のベンチマークである。
論文 参考訳（メタデータ） (2026-08-06T17:27:23Z) - Epic-Organized vs. Requirement-Aligned Gherkin: An Empirical Evaluation of LLM-Based Acceptance Criteria Generation [2.1130434009438974]
本研究は, エピック組織型Gherkinが要求整合生成よりも品質とカバレッジを向上するかどうかを考察する。
我々は,4つの要件文書に基づいて,Timeless(エピックに編成されたLLMパイプライン)アプローチを,単純かつ大規模な言語モデル(LLM)ベースラインと比較した。
論文 参考訳（メタデータ） (2026-07-02T10:12:29Z) - Eligibility-Aware Evidence Synthesis: An Agentic Framework for Clinical Trial Meta-Analysis [49.83108591873481]
EligMetaはエージェントフレームワークで、自動トライアル発見と、資格を意識したメタ分析を統合する。
フレームワークは、目標トライアル間の人口アライメントを反映した類似性に基づく研究重量を計算し、適性基準を構造化する。
論文 参考訳（メタデータ） (2026-04-03T03:18:50Z) - AutoTrial: Prompting Language Models for Clinical Trial Design [53.630479619856516]
本稿では,言語モデルを用いた臨床検査基準の設計を支援するAutoTrialという手法を提案する。
70K以上の臨床試験で、AutoTrialが高品質な基準テキストを生成することが確認された。
論文 参考訳（メタデータ） (2023-05-19T01:04:16Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。