Global perspectives on clinical cancer research: A comparison of randomized controlled trial (RCT) design and outcomes across high income and low-middle income countries.
Notice bibliographique
Résumé
7021 Background: Cancer clinical trials have become increasingly international in scope. There are limited data regarding trial variation based on the economic status of the country in which they are conducted. Here we describe trial characteristics, design, and results of all RCTs published globally during 2014-2017. Methods: A structured literature search was designed using PUBMED to identify all RCTs evaluating anti-cancer therapies published during 2014-2017. Data captured included authorship, participants, study characteristics, design, and results. RCTs were classified based on the World Bank country-level economic classification of the first author [low-middle/upper-middle income countries (LMIC) and high-income countries (HIC)]. Among superiority RCTs that met the primary endpoint (i.e. statistically “positive”), we calculated the ESMO-MCBS to identify trials with substantial clinical benefit (MCBS scores 4/5 or A/B). Outcomes were compared with Chi Square or Fisher’s Exact tests. Results: The study cohort included 694 RCTs; 636 (92%) were led by HIC and 58 (8%) were led by LMIC. Compared to LMIC, RCTs in HICs were more likely to be funded by industry [73% vs 41%, p<0.001] and more likely to test novel systemic therapies [87% vs 78%, p=0.027]. LMIC studies were typically smaller (median N=220 vs N=474 participants, p<0.001) and more likely to meet their primary endpoints [66% vs 44%, p=0.002]. In “positive” superiority trials, the effect size was larger in LMICs compared to HICs (median HR 0.62 vs HR 0.84, p<0.001). The proportion of trials identifying treatments with substantial clinical benefit (ESMO MCBS 4/5/A/B) was 45% (LMIC) and 31% (HIC, p=0.291). Studies from LMIC were published in journals with lower impact factors (IF) (median IF 7 vs 21, p<0.001); a publication bias persisted when adjusted for whether a trial was positive or negative: median IF LMIC negative trial=5 vs HIC negative trial=18 (p<0.001); median IF LMIC positive trial=9 vs HIC positive trial= 26 (p<0.001). Conclusions: Only a small minority of oncology RCTs are led by investigators in LMIC; these trials are less likely to be funded by industry and more likely to meet their primary endpoint. “Positive” RCTs from LMIC identify therapies with a substantially larger effect size than HIC. These data identify a substantial publication bias against RCTs conducted in LMIC.
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 | 0,501 | 0,642 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,010 | 0,011 |
| Bibliométrie | 0,009 | 0,011 |
| Études des sciences et des technologies | 0,002 | 0,006 |
| Communication savante | 0,010 | 0,009 |
| Science ouverte | 0,003 | 0,005 |
| Intégrité de la recherche | 0,007 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,011 | 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; l’étiquette directe de Gemma et le classifieur distillé Codex s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».