The Neoadjuvant Model Is Still the Future for Drug Development in Breast Cancer
Notice bibliographique
Résumé
The many improvements in breast cancer therapy in recent years have so lowered rates of recurrence that it is now difficult or impossible to conduct adequately powered adjuvant clinical trials. Given the many new drugs and potential synergistic combinations, the neoadjuvant approach has been used to test benefit of drug combinations in clinical trials of primary breast cancer. A recent FDA-led meta-analysis showed that pathologic complete response (pCR) predicts disease-free survival (DFS) within patients who have specific breast cancer subtypes. This meta-analysis motivated the FDA's draft guidance for using pCR as a surrogate endpoint in accelerated drug approval. Using pCR as a registration endpoint was challenged at ASCO 2014 Annual Meeting with the presentation of ALTTO, an adjuvant trial in HER2-positive breast cancer that showed a nonsignificant reduction in DFS hazard rate for adding lapatinib, a HER-family tyrosine kinase inhibitor, to trastuzumab and chemotherapy. This conclusion seemed to be inconsistent with the results of NeoALTTO, a neoadjuvant trial that found a statistical improvement in pCR rate for the identical lapatinib-containing regimen. We address differences in the two trials that may account for discordant conclusions. However, we use the FDA meta-analysis to show that there is no discordance at all between the observed pCR difference in NeoALTTO and the observed HR in ALTTO. This underscores the importance of appropriately modeling the two endpoints when designing clinical trials. The I-SPY 2/3 neoadjuvant trials exemplify this approach.
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 | 0,073 | 0,098 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,003 | 0,003 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,004 |
| Communication savante | 0,005 | 0,008 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,010 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,010 | 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; 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 ».