Systematic review with meta‐analysis: endoscopic and histologic placebo rates in induction and maintenance trials of ulcerative colitis
Notice bibliographique
Résumé
Summary Background Regulatory requirements for claims of mucosal healing in ulcerative colitis ( UC ) will require demonstration of both endoscopic and histologic healing. Quantifying these rates is essential for future drug development. Aims To meta‐analyse endoscopic and histologic placebo response and remission rates in UC randomised controlled trials ( RCT s) and identify factors influencing these rates. Methods MEDLINE , EMBASE and the Cochrane Library were searched from inception to March 2017 for placebo‐controlled trials of pharmacological interventions for UC . Endoscopic and histologic placebo rates were pooled by random effects. Mixed effects univariable and multivariable meta‐regression was used to evaluate the influence of patient, intervention and trial‐related study‐level covariates on these rates. Results Fifty‐six induction (placebo n = 4171) and 8 maintenance trials (placebo n = 1011) were included. Pooled placebo endoscopic remission and response rates for induction trials were 23% [95 confidence interval ( CI ) 19‐28%] and 35% [95% CI 27‐42%] respectively, and 20% [95% CI 16‐24%] for maintenance of remission. The pooled histologic placebo remission rate was 14% [95% CI 8‐22%] for induction trials. High heterogeneity was observed for all outcomes ( I 2 56.2%‐88.3%). On multivariable meta‐regression, central endoscopy reading was associated with significantly lower endoscopic placebo remission rates (16% vs 25%; OR = 0.52, [95% CI 0.29‐0.92], P = 0.03). On univariable meta‐regression, higher histologic placebo remission was associated with concomitant corticosteroids ( OR = 1.17 [95% CI 1.08‐1.26], P < 0.0001, per 10% increase in corticosteroid use). Conclusions Placebo endoscopic and histologic rates range from 14% to 35% in UC RCT s but are highly heterogeneous. Outcome standardisation may reduce heterogeneity and is needed in this field.
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 | 0,039 | 0,097 |
| Méta-épidémiologie (sens strict) | 0,004 | 0,002 |
| Méta-épidémiologie (sens large) | 0,029 | 0,050 |
| Bibliométrie | 0,008 | 0,009 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,005 | 0,003 |
| Science ouverte | 0,003 | 0,002 |
| Intégrité de la recherche | 0,003 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,000 |
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.
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 ».