MétaCan
Menu
Retour à la cohorte
Enregistrement W2751752943 · doi:10.1007/s40273-017-0558-5

Modelling the Survival Outcomes of Immuno-Oncology Drugs in Economic Evaluations: A Systematic Approach to Data Analysis and Extrapolation

2017· article· en· W2751752943 sur OpenAlexaff
Ian Koblbauer, Najida Begum, George Dranitsaris, Danny Liew, Phil McEwan, Amir Abbas Tahami Monfared, Yong Yuan, A. Juarez-Garcia, David Tyas, Michael Lees

Notice bibliographique

RevuePharmacoEconomics · 2017
Typearticle
Langueen
DomaineMedicine
ThématiqueCancer Immunotherapy and Biomarkers
Établissements canadiensMcGill UniversityBristol-Myers Squibb (Canada)Augmentium Pharma Consulting (Canada)
Organismes subventionnairesBristol-Myers Squibb
Mots-clésMedicineIpilimumabOncologySurvival analysisContouringClinical trialMedical physicsInternal medicineStatisticsCancerMathematicsComputer scienceImmunotherapy

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: New immuno-oncology (I-O) therapies that harness the immune system to fight cancer call for a re-examination of the traditional parametric techniques used to model survival from clinical trial data. More flexible approaches are needed to capture the characteristic I-O pattern of delayed treatment effects and, for a subset of patients, the plateau of long-term survival. OBJECTIVES: Using a systematic approach to data management and analysis, the study assessed the applicability of traditional and flexible approaches and, as a test case of flexible methods, investigated the suitability of restricted cubic splines (RCS) to model progression-free survival (PFS) in I-O therapy. METHODS: The goodness of fit of each survival function was tested on data from the CheckMate 067 trial of monotherapy versus combination therapy (nivolumab/ipilimumab) in metastatic melanoma using visual inspection and statistical tests. Extrapolations were validated using long-term data for ipilimumab. RESULTS: Modelled PFS estimates using traditional methods did not provide a good fit to the Kaplan-Meier (K-M) curve. RCS estimates fit the K-M curves well, particularly for the plateau phase. RCS with six knots provided the best overall fit, but RCS with one knot performed best at the plateau phase and was preferred on the grounds of parsimony. CONCLUSIONS: RCS models represent a valuable addition to the range of flexible approaches available to model survival when assessing the effectiveness and cost-effectiveness of I-O therapy. A systematic approach to data analysis is recommended to compare the suitability of different approaches for different diseases and treatment regimens.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,200
score de la tête « metaresearch » (Gemma)0,328
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,200
Score d'incertitude au seuil0,987

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,2000,328
Méta-épidémiologie (sens strict)0,0030,002
Méta-épidémiologie (sens large)0,0050,008
Bibliométrie0,0050,004
Études des sciences et des technologies0,0010,003
Communication savante0,0040,003
Science ouverte0,0030,004
Intégrité de la recherche0,0020,004
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,114
Tête enseignante GPT0,426
Écart entre enseignants0,312 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations65
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePharmacoEconomicsMême sujetCancer Immunotherapy and BiomarkersTravaux en français237 207