How Can We Improve Transfer of Outcomes from Randomized Clinical Trials to Clinical Practice with Disease-Modifying Drugs in Alzheimer's Disease?
Notice bibliographique
Résumé
BACKGROUND: Randomized clinical trials (RCTs) for putative disease-modifying drugs in Alzheimer's disease (AD) are using cognitive outcomes, such as the Alzheimer's Disease Assessment Scale--cognitive subscale, activities of daily living scales, such as the Alzheimer's Disease Cooperative Study Activities of Daily Living, and time from mild cognitive impairment to AD dementia. OBJECTIVE: It was the aim of this study to build clinically relevant outcomes for future use in clinical practice into RCT designs and help third-party payers to measure benefit. METHODS: We used a literature review for analysis. RESULTS: The Clinical Dementia Rating Scale Sum of Boxes (CDR-SB) appears to be the most reliable primary outcome for RCT at different stages of AD, with the Relevant Outcome Scale for Alzheimer's Disease (ROSA) as a suitable alternative. The importance of current AD biomarkers vis-à- vis determination of efficacy of disease-modifying drugs has yet to be established; however, it is likely that at least one amyloid-specific test will be required prior to treatment with a drug acting predominantly on β-amyloid (Aβ42). Furthermore, serial MRI may be required to monitor adverse side effects associated with such drugs. CONCLUSIONS: Global clinical scales such as CDR-SB and ROSA should be considered for use with treatments aiming at slowing disease progression.
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 | 0,393 | 0,667 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,002 |
| Méta-épidémiologie (sens large) | 0,019 | 0,010 |
| Bibliométrie | 0,009 | 0,008 |
| Études des sciences et des technologies | 0,001 | 0,005 |
| Communication savante | 0,011 | 0,015 |
| Science ouverte | 0,008 | 0,007 |
| Intégrité de la recherche | 0,011 | 0,011 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,013 | 0,003 |
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; l’étiquette directe de Gemma et le classifieur distillé Codex s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».