Estimation of historical control rate for a single arm de-escalation study – Application to the POSITIVE trial
Notice bibliographique
Résumé
BACKGROUND: Although randomized controlled clinical trials are optimal to evaluate the effect of an experimental therapy, single-arm trials are required whenever randomization is unethical or not feasible, such as de-escalation studies. We propose using prospectively identified historical controls to place results of single-arm, de-escalation trials into context. METHODS: POSITIVE is a prospective, single-arm study in young women with hormone-receptor-positive early breast cancer to determine if temporarily interrupting adjuvant endocrine therapy in order to become pregnant increases the risk of a breast cancer event. After 272 women enrolled in POSITIVE, we identified a cohort of 1499 SOFT/TEXT patients potentially eligible to enroll in POSITIVE who did not interrupt endocrine therapy. Method I used the SOFT/TEXT cohort to calculate annualized hazard rates by a piecewise exponential model. Method II used the SOFT/TEXT cohort to group-match SOFT/TEXT patients to POSITIVE patients; sample sets of SOFT/TEXT patients were randomly drawn 5000 times to obtain sets having patient, disease, and treatment characteristics more balanced with POSITIVE participants. RESULTS: Compared with SOFT/TEXT, POSITIVE participants were younger, less likely to be overweight/obese, had fewer positive nodes, and fewer received aromatase inhibitor or chemotherapy. The estimated 3-year breast cancer free interval event rates were 9.5% (95% CI: 7.9%,11.1%) for Method I and 9.4% (95% CI: 7.8%,10.9%) for Method II, compared with 5.8% initially assumed when POSITIVE was designed. CONCLUSION: External control datasets should be identified before launching single-arm, de-escalation trials and methods applied during their conduct to provide context for interim monitoring and interpretation of the final analysis.
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 | 0,000 | 0,000 |
| 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 ».