Statistical Considerations in Clinical Trial Design of Immunotherapeutic Cancer Agents
Notice bibliographique
Résumé
The classical model for identification and clinical development of anticancer agents was based on small molecules, which were often quite toxic. Early studies in small groups of patients would seek to identify a maximum tolerated dose and major dose-limiting toxicities. Tumor response (shrinkage) would be assessed after a minimum number of doses in phase II testing. The decision to take the drug into the randomized phase III clinical setting was usually based on the proportion and duration of objective tumor responses, along with overall survival compared with historical controls. Immune-oncologics that are designed to fight cancer by direct CD8(+) T-cell priming and activation or by blocking a negative regulatory molecule have a number of sharp distinctions from cytotoxic drugs. These include cytoreductive effects that may be very different in timing of onset from traditional chemotherapy and the potential for inducing long-term durable remissions even in heavily pretreated patients with metastatic disease. In this paper we review the different classes of immune-oncologic drugs in clinical development with particular attention to the biostatistical challenges associated with evaluating efficacy in clinical trials. Confronting these issues upfront is particularly important given the rapidly expanding number of clinical trials with both monotherapy and combination trials in immunooncology.
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 | 0,599 | 0,710 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,002 |
| Méta-épidémiologie (sens large) | 0,010 | 0,006 |
| Bibliométrie | 0,005 | 0,009 |
| Études des sciences et des technologies | 0,002 | 0,010 |
| Communication savante | 0,007 | 0,006 |
| Science ouverte | 0,005 | 0,005 |
| Intégrité de la recherche | 0,007 | 0,014 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 0,002 |
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 ».