EQUATOR-Oncology: reducing the latitude of cancer trial design and reporting
Notice bibliographique
Résumé
Well-designed and appropriately reported clinical trials are essential to evaluate treatment efficacy and form the basis for regulatory approval of new cancer treatments, post-marketing funding decisions, and endorsement by the wider oncology community. In contrast, poorly designed or inadequately reported studies can impair the clinical relevance of these results. Inaccurate or unreproducible data can ill-advise on further study of new treatments, or may result in the inability to translate benefit observed in clinical trials into an improvement in patient outcome in routine practice. Problems which may influence the interpretation of trials include: the use of narrow eligibility criteria that limits generalisability, the use of surrogate end points that have not been validated as reflecting patient benefit, the reporting of statistically significant but clinically less meaningful results, the underestimation of toxicity, and biased reporting – both in the primary publication and by the media ( Tannock et al, 2016 ). To ensure the highest fidelity in clinical research, it is important to have a framework for optimal design and reporting of clinical trials. Although a number of reporting criteria ( Schulz et al, 2010 ; von Elm et al, 2007 ) have been developed and endorsed by journal editors and the research community, few have focused exclusively on oncology 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 | 0,356 | 0,703 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,002 |
| Méta-épidémiologie (sens large) | 0,003 | 0,003 |
| Bibliométrie | 0,004 | 0,006 |
| Études des sciences et des technologies | 0,005 | 0,016 |
| Communication savante | 0,018 | 0,014 |
| Science ouverte | 0,006 | 0,011 |
| Intégrité de la recherche | 0,037 | 0,038 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,009 | 0,009 |
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 ».