Post-hoc power of clinical trials supporting anticancer drug approval by FDA.
Notice bibliographique
Résumé
2018 Background: Regulatory approval of drugs is based typically on randomized control trials (RCTs) observing statistically significant superiority of an experimental agent over a prior standard. Statistical significance can result from large effect size and/or over-sampling (as a result of large sample size or long follow-up). Here we explore the source(s) of statistically significant results in trials supporting anti-cancer drug approval by the FDA. Methods: We searched Drugs@FDA to identify anti-cancer drug approvals for solid tumors (excluding lymphoma) from 2015-2019. We retrieved corresponding manuscripts and associated appendices and extracted data on study characteristics, statistical plan, primary outcomes and accrual and follow-up times. Post-hoc power was calculated based on observed results and was compared to expected effect size and power in the statistical plan. We explored associations with higher than expected power resulting from over-sampling using binary logistic regression. Results: We identified 75 unique drug-approvals reporting 94 endpoints. The most common tumour types were lung, breast, melanoma, and renal cell carcinoma. The most common endpoints were progression free survival and overall survival (OS). In 74 endpoints (79%), observed power was greater than expected power. The magnitude of higher than expected power ranged from 0.1 to > 20%. Of these, 59 (80%) had an effect size greater than predicted in the statistical plan. In 44/74 over-powered endpoints (60%), post-trial power was 100%. When post-hoc power was calculated based on expected effect size rather than observed effect size, 50 endpoints (85%) remained over-powered. Higher than expected power resulting from over-sampling was associated with OS compared to other endpoints (OR 3.03), with targeted agents compared to immunotherapy (OR 1.63) and inversely associated with year of approval (OR 0.57). Conclusions: Most cancer drug approvals result from statistically significant studies which are over-powered due to greater than anticipated effect size. Approximately 1 in 5 studies are over-powered likely due to over-sampling. In this setting, benefit observed in RCTs may not translate to the real-world setting.
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 | 0,045 | 0,068 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,004 | 0,002 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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; les deux têtes enseignantes 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 ».