Lessons Learned from EVOLVE for Planning of Future Randomized Trials in Patients on Dialysis
Notice bibliographique
Résumé
The effect of the calcimimetic cinacalcet on cardiovascular disease in patients undergoing hemodialysis with secondary hyperparathyroidism was assessed in the Evaluation of Cinacalcet Hydrochloride Therapy to Lower Cardiovascular Events trial. This was the largest (in size) and longest (in duration) randomized controlled clinical trial undertaken in this population. During planning, execution, analysis, and reporting of the trial, many lessons were learned, including those related to the use of a composite cardiovascular primary endpoint, definition of endpoints (particularly heart failure and severe unremitting hyperparathyroidism), importance of age for optimal stratification at randomization, use of unadjusted and adjusted intention-to-treat analysis for the primary outcome, how to respond to a lower-than-predicted event rate during the trial, development of a prespecified analytic plan that accounted for nonadherence and for cointerventions that diminished the power of the trial to observe a treatment effect, determination of the credibility of a subgroup effect, use of adverse effects database to investigate rare diseases, collection of blood for biomarker measurement not designated before trial initiation, and interpretation of the benefits-to-harms ratio for individual patients. It is likely that many of these issues will arise in the planning of future trials in CKD.
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 | 0,242 | 0,315 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,002 |
| Méta-épidémiologie (sens large) | 0,009 | 0,007 |
| Bibliométrie | 0,003 | 0,004 |
| Études des sciences et des technologies | 0,001 | 0,004 |
| Communication savante | 0,011 | 0,019 |
| Science ouverte | 0,007 | 0,003 |
| Intégrité de la recherche | 0,013 | 0,020 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 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; l’étiquette directe de Gemma et le classifieur distillé Codex 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 ».