Clinical Trial Risk in Type-2 Diabetes: Importance of Patient History
Notice bibliographique
Résumé
PURPOSE: To determine the risk of clinical trial failure for drugs developed for type-2 diabetes. METHODS: Drugs were investigated by reviewing phase I to phase III studies that were conducted between 1998 and February 2013. The clinical trial success rates were calculated and compared to the industry standard. The drugs were classified into GLP-1 receptor agonists, DPP-4 inhibitors, SGLT-2 inhibitors and "Other". The exclusion criteria for drugs in this study: Drugs that were started in phase I studies prior to January 1998 for this indication and drugs whose primary indications were not for the control of blood glucose levels. RESULTS: Data was extracted from clinicaltrials.gov; there were a total of 131 drug candidates that fit our specified criteria, of which 8 received FDA approval. The cumulative success rate for molecules developed for type-2 diabetes is 10%. Small molecules were more successful than biologics. A strong disparity was observed in phase III, with studies that utilised treatment naïve patients having a 40% success rate, compared to an 83% success rate in patients who have had previous anti-hyperglycemic exposure. CONCLUSIONS: 1 in 10 drugs that enter clinical testing in this disease will be approved. The DPP-4 inhibitor class of drugs had the highest success rate of all drug classes with a 63% cumulative success rate; while treatment naïve patients carried the greatest clinical trial risk.
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 | 0,053 | 0,236 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,004 | 0,005 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,003 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 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 ».