Use of Real‐World Data to Emulate a Clinical Trial and Support Regulatory Decision Making: Assessing the Impact of Temporality, Comparator Choice, and Method of Adjustment
Notice bibliographique
Résumé
External controls have been primarily used in the setting of single-arm trials of rare diseases; their use in common diseases has not been readily investigated, nor is there guidance on how to best select comparators. Thus, the objective of this study was to emulate a large cardiovascular outcome trial of type 2 diabetes to compare associations of effectiveness with different comparator groups to those reported in the trial. Using the Liraglutide Effect and Action in Diabetes: Evaluation of Cardiovascular Outcome Results (LEADER) trial, we investigated six comparator groups using three calendar time periods (Early: 1999-2003; Later: 2004-2008, and Contemporaneous: 2009-2013) and two comparators (sulfonylureas and other second-to-third-line antidiabetic drugs). Hazard ratios (HRs) of the three-point composite cardiovascular outcome were estimated using four variations of the propensity score (adjustment, stratification, fine stratification, and matching) and compared with the LEADER trial (HR, 0.87; 95% confidence interval, 0.78-0.97). When comparing users of liraglutide with users of sulfonylureas, the HRs ranged from 0.57 to 1.03, with estimates in the early period most closely reflecting the LEADER trial (HR, 0.57-0.88). In contrast, the HRs ranged from 0.73 to 0.97 when comparing liraglutide users with users of any second-to-third-line antidiabetic drugs, although the later period generated estimates closest to the LEADER trial (HR, 0.77-0.84). Different methods of adjustment led to generally consistent HRs, aside from the fine stratification in the early period. This study highlights the complex interplay between comparator, temporality, and method of adjustment when selecting comparators using real-word data. These design choices must be considered in the design of trial emulation studies.
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
Étiquettes directes de modèles (non validées)
Étiquettes de catégorie et de devis d'étude par modèle, issues des rondes d'étiquetage. C'est une sortie machine, non validée, et le désaccord entre modèles est livré comme donnée. Aucun devis ici n'est encore validé contre MEDLINE.
| Bras | Catégories | Devis d'étude | Confiance |
|---|---|---|---|
| gemma | aucune catégorie Domaine: non disponible · Genre: Empirique Porte sur le système de recherche canadien: non · Porte sur un sujet canadien: non | Simulation ou modélisation | low |
| gpt | aucune catégorie Domaine: non disponible · Genre: Méthodes Porte sur le système de recherche canadien: non · Porte sur un sujet canadien: non | Autre devis | low |
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 | 0,685 | 0,777 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,002 |
| Méta-épidémiologie (sens large) | 0,005 | 0,009 |
| Bibliométrie | 0,004 | 0,006 |
| Études des sciences et des technologies | 0,001 | 0,005 |
| Communication savante | 0,008 | 0,009 |
| Science ouverte | 0,007 | 0,006 |
| Intégrité de la recherche | 0,006 | 0,006 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 validéeÉtiqueté directement par 2 modèles lisant le dossier complet.
Les modèles divergent sur des parties de cette classification; chaque voix est préservée dans la section en fin de page.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».