P4‐002: A FRAILTY INDEX BASED ON ROUTINELY COLLECTED LABORATORY SAFETY DATA PREDICTS DROPOUT IN ALZHEIMER DISEASE CLINICAL TRIAL SETTINGS
Notice bibliographique
Résumé
Most clinical trials of pharmaceutical compounds exclude frail older adults; whether frailty influences the results of such trials is unclear. Our group has shown that degrees of frailty can be quantified using a frailty index (FI) based the accumulation of deficits, measured from routine blood work and vital signs (FILAB). Using the Coalition on Major Diseases (CAMD) database, our objective was to explore the relationship between frailty and dropout in Alzheimer disease (AD) clinical trials. Of the 6500 subjects (from control arms of 24 trials), 6142 subjects (from 22 trials) had disposition data and sufficient lab data (blood tests, urine tests, vital signs) to construct an FI with ≥20 items. Results that fell within the trial reference normal range were scored as 0; values outside were scored as 1. Individual deficits were summed and divided by the number measured to yield an FI between 0-1. Dropout in relation to FILAB was analyzed using a mixed effects Cox proportional hazards regression adjusted for age, sex and baseline Mini Mental State Examination (MMSE) scores with study as a random effect. Continuous variables were z-transformed. Data are presented as mean ± SD. Subjects were 74 ± 9 years old; 56% were female. The mean MMSE score was 19.7 ± 5.0 (N=5550). The mean FILAB score was 0.099 ± 0.067 (range=0-0.481). Trial study duration varied from 12 weeks to two years. In a Cox regression model with FILAB, age, sex and MMSE as variables, higher FILAB scores were significantly associated with dropout (HR=1.09; 95% CI=1.03−1.16; p=0.004). The other covariates were also significantly related: subjects who were male (HR=1.15; CI=1.03−1.28; p=0.01), older (HR = 1.12; CI=1.06−1.19; p<0.001) and had worse baseline cognition (HR=0.77; CI=0.72−0.83; p<0.001) were more likely to dropout. Frailer subjects, as measured by an index constructed from routine lab results, were more likely to dropout than less frail subjects in the CAMD database of AD drug trials. Even so, age and MMSE were more highly related to dropout than frailty, suggesting that there is little value in excluding frailer patients from AD clinical 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 | 0,015 | 0,047 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,003 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,002 | 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) | 0,008 | 0,001 |
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 ».