Seamless Designs: Current Practice and Considerations for Early-Phase Drug Development in Oncology
Notice bibliographique
Résumé
Traditionally, drug development has evaluated dose, safety, activity, and comparative benefit in a sequence of phases using trial designs and endpoints specifically devised for each phase. Innovations in drug development seek to consolidate the phases and rapidly expand accrual with "seamless" trial designs. Although consolidation and rapid accrual may yield efficiencies, widespread use of seamless first-in-human (FiH) trials without careful consideration of objectives, statistical analysis plans, or trial oversight raises concerns. A working group formed by the National Cancer Institute convened to consider and discuss opportunities and challenges for such trials as well as encourage responsible use of these designs. We reviewed all abstracts presented at American Society of Clinical Oncology annual meetings from 2010 to 2017 for FiH trials enrolling at least 100 patients. We identified 1786 early-phase trials enrolling 57 559 adult patients. Fifty-one of the trials (2.9%) investigated 50 investigational new drugs, were seamless, and accounted for 14.6% of the total patients. The seamless trials included a median of 3 (range = 1-13) expansion cohorts. The overall risk of clinically significant treatment-related adverse events (grade 3-4) was 49.1% (range = 0.0-100%), and seven studies reported at least one toxic death. Rapid expansion of FiH trials may lead to earlier drug approval and corresponding widespread patient access to active therapeutics. Nevertheless, seamless designs must adhere to established ethical, scientific, and statistical standards. Protocols should include prospectively planned analyses of efficacy in disease- or biomarker-defined cohorts of sufficient rigor to support accelerated approval.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».