Accrual of Older Patients With Breast Cancer to Alliance Systemic Therapy Trials Over Time: Protocol A151527
Notice bibliographique
Résumé
Purpose Despite increasing awareness of accrual challenges, it is unknown if accrual of older patients to breast cancer treatment trials is improving. Methods We examined accrual of older patients to Alliance for Clinical Trials in Oncology systemic therapy breast cancer trials during 1985-2012 and compared disease characteristics and reasons for therapy cessation for older (age ≥ 65 years and ≥ 70 years) versus younger (age < 65 years and < 70 years) participants. To examine accrual trends, we modeled age as a function of time, using logistic regression. Results Overall, 17% of study participants were ≥ 65 years of age. Approximately 15%, 24%, and 24% of participants in adjuvant, neoadjuvant, and metastatic trials were age ≥ 65 years, and 7%, 15%, and 13% were age ≥ 70 years, respectively. The odds of a patient age ≥ 65 years enrolling significantly increased over time for adjuvant trials (odds ratio [OR] per year, 1.04; 95% CI, 1.04 to 1.05) but decreased significantly for neoadjuvant and metastatic trials (OR, 0.62; 95% CI, 0.58 to 0.67 and OR, 0.98, 95% CI, 0.97 to 1.00). Similar trends were seen for those age ≥ 70 years but these were statistically significant for adjuvant and neoadjuvant trials only (OR, 1.05, 95% CI, 1.04 to 1.07; and OR, 0.57, 95% CI, 0.52 to 0.62). In general, those age ≥ 65 years ( v those < 65 years) in adjuvant studies had a higher mean number of lymph nodes involved and more hormone receptor-negative tumors, although tumor sizes were similar. Early protocol treatment cessation was also more frequent in those age ≥ 65 years (50%) versus < 65 years (35.9%) across trials. Conclusion Older patients with breast cancer remain largely underrepresented in cooperative group therapeutic trials. We observed some improvement in accrual to adjuvant trials but worsening of accrual for neoadjuvant/metastatic trials. Novel strategies to increase accrual of older patients are critical to meaningfully change the evidence base for this growing patient population.
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 | 0,134 | 0,152 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,002 |
| Méta-épidémiologie (sens large) | 0,002 | 0,004 |
| Bibliométrie | 0,003 | 0,005 |
| Études des sciences et des technologies | 0,003 | 0,002 |
| Communication savante | 0,004 | 0,004 |
| Science ouverte | 0,003 | 0,004 |
| Intégrité de la recherche | 0,003 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,036 | 0,016 |
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 ».