MétaCan
Menu
Retour à la cohorte
Enregistrement W3089978665 · doi:10.1097/ede.0000000000001267

Single-arm Trials with Historical Controls

2020· article· en· W3089978665 sur OpenAlexafffund
Samy Suissa

Notice bibliographique

RevueEpidemiology · 2020
Typearticle
Langueen
DomaineMathematics
ThématiqueAdvanced Causal Inference Techniques
Établissements canadiensJewish General Hospital
Organismes subventionnairesCanadian Institutes of Health Research
Mots-clésMedicineLong armBiologyGenetics

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Regulatory agencies now recognize single-arm trials with external historical controls, particularly common in oncology, to assess promising treatments for rare or specific indications. When a new treatment indication depends on events over time, such as treatment failures, this design can introduce time-related biases in comparisons with external controls. METHODS: We describe two potential biases resulting from calendar time and choice of time zero. We illustrate these biases using simulated data, emulating those from a single-arm trial of the effectiveness of blinatumomab in treating relapsed or refractory acute lymphoblastic leukemia on the outcome of mortality. RESULTS: The trial compared 189 patients treated with blinatumomab with 1112 external historical control patients. First, calendar time was not concurrent, with the blinatumomab arm diagnosed during 2010-2014 and the control cohort during 1990-2013. The median survival under blinatumomab was 6.1 months compared with 3.3 months in the control arm, though for the latter it increased from 2.4 to 4.2 months over the 24-year period. Second, using the latest line of salvage treatment as cohort, entry for the control cohort introduces selection bias. The corresponding hazard ratio of death with blinatumomab compared with control was 0.56 (95% CI = 0.47, 0.67) but became 0.98 (95% CI = 0.83, 1.15) after redefining cohort entry by the matched line of salvage treatment rather than the latest line. CONCLUSION: While single-arm trials with external historical controls are gaining recognition, a proper understanding of time-related sources of bias is essential if such trials will be used to provide valid evidence for drug approval from regulatory agencies.

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)0,086
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,400
Score d'incertitude au seuil0,922

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,086
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0020,000
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 Opus0,657
Tête enseignante GPT0,489
Écart entre enseignants0,168 · 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.

Devis d'étudeThéorique ou conceptuel
Domainenon disponible
GenreMéthodes

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

En bref

Citations30
Publié2020
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueEpidemiologyMême sujetAdvanced Causal Inference TechniquesTravaux en français237 207