Baseline demographics and disparities in cancer registration trials: An analysis of U.S. Food and Drug Administration approved drugs in 2015 and 2016.
Notice bibliographique
Résumé
e18623 Background: Clinical trials play a fundamental role in the advancement of cancer care, yet specific groups remain under-represented in oncology clinical trials. We analyzed the age, race, performance status, and geographic enrollment data of cancer patients in registration trials for new drug approvals or indications by the US Food and Drug Administration (FDA) from 2015-2016. Methods: Demographic data from cancer patients enrolled in registration trials during 2015 and 2016 were analyzed. Distributions by age (65-74yo and ≥ 75yo), race (categories), performance status (ECOG ≥ 2, ECOG ≥ 3), and geographic enrollment (US/Canada, Europe, Rest of the World) were described and compared to Centers for Disease Control and Prevention (CDC) data for the general cancer population. Results: A total of 45 approved drugs investigated in 53 trials were evaluated, including 22,789 patients. Age was reported on 7850 patients, with 2524/7580 (33.3%) 65-74yo and 981/7580 (12.9%) ≥ 75yo. The race distribution for enrolled patients were 15018/18897 (79.5%) for Caucasians, 356/18897 (1.9%) for Black/AA, 2302/18897 (12.2%) for Asians and 505/18897 (2.7%) for Others. 461/19729 (2.3%) and 5/19729 (0.025%) of patients enrolled in registration trials had an ECOG ≥2 and ECOG ≥3, respectively. Portions of geographic enrollment were 3518/13192 (26.6%), 7263/13192 (55.0%), and 2379/13192 (18.0%) for US/Canada, Europe and the Rest of the World, respectively. Conclusions: These data suggest that older adults ≥75yo, blacks, and patients with co-morbid conditions are under-represented in contemporary registration clinical trials. Thus, results of recent cancer clinical trials leading to FDA drug approvals may not be generalizable to the broader cancer population in the US. Improvements in the trial enrollment process are needed to address these disparities and may be facilitated through effective health policy. Table: Comparison of age and race among clinical trial participants and all US cancer patients Registration Trials (2015-2016) CDC US Cancer Statistics (2014) 65-74yo 33.3% 28.2% ≥ 75yo 12.9% 26.5% Caucasian 79.5% 83.4% Black/AA 1.9% 10.8% Asian 12.2% 3.1% Other 2.7% 0.5%
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 | 0,006 | 0,015 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,008 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».