Age barrier in clinical trials: Are we truly moving forward?
Notice bibliographique
Résumé
208 Background: Older patients are underrepresented in clinical trials. This may in part be explained by the fact that, historically, there has often been an upper age limit for inclusion in studies. This is despite data that suggests that older patients are as likely as their younger counterparts to enroll in clinical trials if offered. Methods: All prospective, interventional phase III studies in GI malignancies registered with clinicaltrials.gov were identified. Currently opened and recruiting studies were included. Results: A total of 365 eligible trials were identified. One hundred and fifty (41%) were colorectal, 67 (18%) liver and 62 (16%) were pancreatic malignancies. Other malignancies were gastroesophageal, hepatobiliary and neuroendocrine tumours. A total of 172 (47%) studies had an upper age limit for inclusion. The most common tumor sites to have older age as an exclusion factor were - hepatobiliary (n = 10; 66%), liver (n = 39; 58%) and gastroesophageal (n = 31; 51%). The median age of exclusion was 75 years (range: 60-95). Chinese studies, which represented 30% (n = 111) of the total studies included, had the greatest proportion with an upper age limit (85%). The United States had the least, with only 3% of studies having an exclusion age. Conclusions: Significant progress had been made in recent years with many clinical trial protocols not having an upper age limit for inclusion. Study design and restrictive eligibity criteria need to be assessed and modified to ensure older patients are well represented in future clinical trials.
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 | 0,667 | 0,759 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,002 |
| Méta-épidémiologie (sens large) | 0,007 | 0,005 |
| Bibliométrie | 0,005 | 0,006 |
| Études des sciences et des technologies | 0,004 | 0,014 |
| Communication savante | 0,021 | 0,036 |
| Science ouverte | 0,006 | 0,013 |
| Intégrité de la recherche | 0,011 | 0,019 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,016 | 0,004 |
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 ».