Attrition rates, reasons, and predictive factors in supportive care and palliative oncology clinical trials
Notice bibliographique
Résumé
BACKGROUND: Attrition is common among supportive care/palliative oncology clinical trials. However, to the authors' knowledge, few studies to date have documented the reasons and predictors for dropout. In the current study, the authors' objective was to determine the rate, reasons, and factors associated with attrition both before reaching the primary endpoint and at the end of the study. METHODS: A review of all prospective interventional supportive care/palliative oncology trials conducted in the Department of Palliative Care and Rehabilitation Medicine at The University of Texas MD Anderson Cancer Center in Houston between 1999 and 2011 was performed. Patient and study characteristics and attrition data were extracted. RESULTS: A total of 1214 patients were included in 18 clinical trials. The median age of the patients was 60 years. Approximately 41% had an Eastern Cooperative Oncology Group performance status of ≥ 3, a median Edmonton Symptom Assessment Scale (ESAS) for fatigue of 7 of 10, and a median ESAS for dyspnea of 2 of 10. The attrition rate was 26% (95% confidence interval [95% CI], 23%-28%) for the primary endpoint and 44% (95% CI, 41%-47%) for the end of the study. Common reasons for primary endpoint dropout were symptom burden (21%), patient preference (15%), hospitalization (10%), and death (6%). Primary endpoint attrition was associated with a higher baseline intensity of fatigue (odds ratio [OR], 1.10 per point; P = .01) and a longer study duration (P = .04). End-of-study attrition was associated with higher baseline levels of dyspnea (OR, 1.06; P = .01), fatigue (OR, 1.08; P = .01), Hispanic race (OR, 1.87; P = .002), higher level of education (P = .02), longer study duration (P = .01), and outpatient studies (P = 0.05). CONCLUSIONS: The attrition rate was high in supportive care/palliative oncology clinical trials, and was associated with various patient characteristics and a high baseline symptom burden. These findings have implications for future clinical trial design including eligibility criteria and sample size calculation.
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 | 0,561 | 0,701 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,005 | 0,010 |
| Bibliométrie | 0,008 | 0,009 |
| Études des sciences et des technologies | 0,002 | 0,003 |
| Communication savante | 0,005 | 0,005 |
| Science ouverte | 0,003 | 0,004 |
| Intégrité de la recherche | 0,003 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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; 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 ».