Using adaptive designs for decision making within the optima trial: optimal personalized treatment of early breast cancer using multi-parameter tests
Notice bibliographique
Résumé
OPTIMA has an adaptive design seeking to advance development of personalised medicine in breast cancer by assessing the value of multi-parameter tests, such as Oncotype DX, in a UK population of intermediate risk. OPTIMA prelim, the feasibility phase, aims to recruit 300 patients to evaluate performance and health-economics of a number of multi-parameter tests to identify test(s) to be used in the main trial and to establish the acceptability to patients and clinicians of randomisation. Patients are randomised to the standard arm or to the "test-directed treatment" arm according to the result of Oncotype DX test. The decision to roll forward into the main trial will be determined by the willingness of patients to be randomised, concordance and cost of the multi-parameter tests. Cost-effectiveness models will be based on the model developed in preparation for the OPTIMA trial, updated with contemporary evidence from the feasibility study and appropriate external data, e.g. the Ontario OncotypeDX field evaluation (prospective cohort study). OPTIMA prelim opened in Sept 2012 and has 56 patients registered (46 randomised). TSC and DMEC agreed decision rules and encouraged external collaboration to provide additional confidence and power for any decisions. The success of OPTIMA relies on the integration of a multi-disciplinary team of methodologists, clinical experts and patients at all stages of the trial. The complexities of using adaptive design methodology and decision making to roll forward into the main trial are challenging but provide the most efficient use of patients and costs.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,009 | 0,105 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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; un appel candidat d’une seule tête enseignante, 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 ».