Off-Label Use of Cancer Drugs: A Benchmark Is Established
Notice bibliographique
Résumé
Off-labelprescribing,whichisbroadlydefinedastheprescribing of drugs outside of the marketing authorization determined by a licensing body such as the US Food and Drug Administration, is a controversial issue. On the pro side, off-label prescribing allows individualclinicianstomaketheultimatedecisionastowhetheror notaparticularlicenseddrugisofpotentialbenefittoanindividual patient. There are a number of circumstances in which a physician may be compelled to prescribe off label, some of which may be considered more appropriate than others. Early use of an already licensed drug in a setting that is supported by data from a newly reported randomized study, but that has not yet been vetted through the drug approval process, may be an example of a more appropriateoff-labeluse.Thismaybeparticularlysalientwhenthe approval process is slow, thus limiting access of patients and providers to effective treatments in a timely manner. Additionally, for many cancers, notably rare tumors, there may never be enough evidencetosupportalabelingindicationbecauseoftheinabilityto conduct the appropriate trial as a result of inadequate patient numbers or lack of financial incentives. Not surprisingly, a previous survey found that American oncologists do discuss off-label use with their patients and feel comfortable prescribing for offlabel indications in some circumstances. 1
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 | 0,003 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,004 | 0,001 |
| 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 | 0,002 | 0,008 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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; les deux têtes enseignantes 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 ».