Global drug development in cancer: A cross-sectional study of clinical trial registries
Notice bibliographique
Résumé
2520 Background: Clinical trials are increasingly funded by industry. High costs of drug development may lead to attempts to develop new drugs in more ‘profitable’ (i.e., more prevalent) as compared to ‘less profitable’ (i.e., more deadly) cancers. Here we determine the focus of current global drug development. Methods: We determined characteristics of phase II and III clinical trials evaluating new drugs in oncology, which were registered with WHO International Clinical Trial Registries between 01/2008 and 06/2008. Estimates of incidence, mortality, and prevalence in the more- and less-developed world (MDW, LDW) were obtained from GLOBOCAN 2002. Simple correlation analysis was performed between the number of clinical trials and incidence, mortality and prevalence per cancer site after log transformation of variables. Results: We identified 399 newly registered trials. Of 374 trials with information about recruitment, 322 (86.1%) and 39 (10.4%) recruited patients only from the MDW and LDW, respectively, while 13 (3.5%) had worldwide recruitment. 229 (58%) of trials were sponsored by industry and 324 trials were phase II (81%). Most trials (and most phase III trials) evaluated treatments for globally prevalent cancers: breast, lung, prostate, and colorectal cancer (Table). Prevalence of a particular cancer type in both the MDW and LDW correlated significantly with the number of clinical trials (Pearson r = 0.63 and 0.55; p = 0.01 and 0.03, respectively). In contrast, mortality in the MDW (Pearson r = 0.73; p= 0.002), but not in the LDW (Pearson r = 0.38; p= 0.17), correlated significantly with the number of clinical trials. Conclusions: Global drug development in cancer predominates in globally prevalent cancers, which are a more important cause of mortality in the MDW than in the LDW. Cancer sites that are major killers globally, and especially in the LDW (e.g., stomach, liver, and esophageal cancer) should receive priority for clinical research. [Table: see text] No significant financial relationships to disclose.
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 | 0,030 | 0,075 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,004 | 0,010 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,004 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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 ».