MétaCan
Menu
Retour à la cohorte
Enregistrement W2991045289 · doi:10.1136/jmedgenet-2019-106283

Genetic variability and potential effects on clinical trial outcomes: perspectives in Parkinson’s disease

2019· article· en· W2991045289 sur OpenAlexaff
Hampton L. Leonard, Cornelis Blauwendraat, Lynne Krohn, Faraz Faghri, Hirotaka Iwaki, G. D. Ferguson, Aaron Day-Williams, David J. Stone, Andrew Singleton, Mike A. Nalls, Ziv Gan‐Or

Notice bibliographique

RevueJournal of Medical Genetics · 2019
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueGenetic Associations and Epidemiology
Établissements canadiensMontreal Neurological Institute and HospitalMcGill University
Organismes subventionnairesMedical Research CouncilNational Institutes of HealthRosetrees Trust
Mots-clésClinical trialMedicineParkinson's diseaseInternal medicineDisease

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Classical randomisation of clinical trial patients creates a source of genetic variance that may be contributing to the high failure rate seen in neurodegenerative disease trials. Our objective was to quantify genetic difference between randomised trial arms and determine how imbalance can affect trial outcomes. METHODS: 5851 patients with Parkinson's disease of European ancestry data and two simulated virtual cohorts based on public data were used. Data were resampled at different sizes for 1000 iterations and randomly assigned to the two arms of a simulated trial. False-negative and false-positive rates were estimated using simulated clinical trials, and per cent difference in genetic risk score (GRS) and allele frequency was calculated to quantify variance between arms. RESULTS: 5851 patients with Parkinson's disease (mean (SD) age, 61.02 (12.61) years; 2095 women (35.81%)) as well as simulated patients from virtually created cohorts were used in the study. Approximately 90% of the iterations had at least one statistically significant difference in individual risk SNPs between each trial arm. Approximately 5%-6% of iterations had a statistically significant difference between trial arms in mean GRS. For significant iterations, the average per cent difference for mean GRS between trial arms was 130.87%, 95% CI 120.89 to 140.85 (n=200). Glucocerebrocidase (GBA) gene-only simulations see an average 18.86%, 95% CI 18.01 to 19.71 difference in GRS scores between trial arms (n=50). When adding a drug effect of -0.5 points in MDS-UPDRS per year at n=50, 33.9% of trials resulted in false negatives. CONCLUSIONS: Our data support the hypothesis that within genetically unmatched clinical trials, genetic heterogeneity could confound true therapeutic effects as expected. Clinical trials should undergo pretrial genetic adjustment or, at the minimum, post-trial adjustment and analysis for failed 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 distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,005
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,014
Score d'incertitude au seuil0,555

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,005
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,021
Tête enseignante GPT0,352
Écart entre enseignants0,330 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations71
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Medical GeneticsMême sujetGenetic Associations and EpidemiologyTravaux en français237 207