Eligibility of real-world patients with metastatic breast cancer for clinical trials
Notice bibliographique
Résumé
INTRODUCTION: The results of clinical trials in metastatic breast cancer (MBC) are generalized to real-world patients. This study determines the proportion of real-world patients who would be eligible for clinical trials and compares outcomes in eligible versus ineligible patients. METHODS: Patients diagnosed with MBC from 2004 to 2015 in a large Canadian province were included. Patients with one of the following criteria were considered ineligible: the presence of comorbid conditions (anemia, uncontrolled diabetes, heart disease, liver disease, and kidney disease) or a history of immunosuppression or prior malignancy. The likelihood of receiving cancer therapy was analysed using logistic regression models and factors affecting overall survival (OS) were assessed by Cox proportional hazards models. RESULTS: A total of 1585 patients with MBC were identified. The median age at diagnosis was 63 years. Of these, 512 (32.3%) patients were deemed ineligible in whom the two most common reasons for ineligibility were renal dysfunction (17.2%), and previous immunosuppression (7.8%). In the real world, ineligible patients were less likely to receive chemotherapy (29.5% vs 45.8%; P < 0.001) but not radiation treatment (7.6% vs 9.6%; P = 0.196) or hormonal therapy (57.6% vs 60.6%; P = 0.261). The 5-year OS of ineligible patients who received systemic therapy in the real-world was significantly better than those who did not. CONCLUSIONS: Despite being ineligible for clinical trials based on common eligibility criteria, many real-world patients receive systemic treatment and derive possible benefit. Broadening of inclusion criteria in clinical trials will enhance the representation of real-world patients and increase the generalizability of results.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 ».