Assessing the Clinical Benefits of Erythropoietic Agents Using Area Under the Hemoglobin Change Curve
Notice bibliographique
Résumé
INTRODUCTION: In assessing erythropoietic agents for chemotherapy-induced anemia, traditional single time-point end points (e.g., hematopoietic response [HR]) fail to reflect clinical benefits over the entire therapy course. Area under the hemoglobin change curve (Hb AUC) is introduced as an alternative measure, and its reliability, clinical significance, and superiority are assessed. METHODS: Using data from a phase IV open-label epoetin alfa (EPO) trial, we tested Hb AUC reliability by comparing its values derived from primary patient data with those derived from aggregated data. Clinical significance of the Hb AUC was investigated in three phase IV EPO trials by examining the linear relationship between Hb AUC quartiles and established clinical end points. The superiority of the Hb AUC over HR in its association with blood transfusion was tested through logistic regressions and area under the receiver operating characteristic (ROC) curve analysis. RESULTS: The Hb AUC values derived from patient and aggregated data were similar. Strong and statistically significant linear trends of decreasing transfusion requirements, increasing quality-of-life improvements, and decreasing time to HR were found across Hb AUC quartiles. The Hb AUC rendered the HR variable insignificant when both were present in the same model. Area under the ROC curve analysis supported the superior performance of the Hb AUC. CONCLUSIONS: We found that the Hb AUC is an objective, reliable, clinically meaningful, and comprehensive summary statistic that may be used to quantify clinical benefits for patients receiving erythropoietic agents. Further prospective validation of the Hb AUC metric is recommended.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| 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) | 0,000 | 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 ».