The Current Landscape of Clinical Studies Focusing on Thyroid Cancer: A Comprehensive Analysis of Study Characteristics and Their Publication Status
Notice bibliographique
Résumé
Background A better understanding of the current characteristics of clinical trials on thyroid cancer (TC) is important to improve trial designs and identify neglected areas of research. However, there is a lack of a thorough understanding of the clinical studies on TC. Therefore, this study aimed to present a comprehensive overview of clinical trials on TC based on the ClinicalTrials.gov database and evaluate their publication status. Methods We searched for TC-related clinical studies registered in the ClinicalTrials.gov database before December 2018 by using the keyword “thyroid cancer” and assessed the characteristics of the included trials. We searched the publication status of primary completed studies in PubMed and Google Scholar. Results A total of 450 studies were identified for analysis, including 333 (74.0%) interventional studies and 117 (26.0%) observational studies. Interventional studies about TC were commonly non-randomized (67.6%), single-arm (55.6%), single-center (76.3%), and early-phase (60.0%) trials. The major category for which studies were performed was for target drug-related therapy (53.6%). In addition, 57.0% of the primary completed interventional studies were published. The published studies were more commonly primary completed studies after 2010 and used randomization and were less commonly designed as single-arm studies and were conducted in the USA/Canada, compared to non-published studies (P < 0.05 for all). The median time from primary completion to publication was 46.5 months, and the time decreased to 36.5 months after 2010. Studies conducted in the USA/Canada [odds ratio (OR) = 9.43, P = 0.020] and multi-center studies (OR = 6.55, P = 0.021) significantly increased the potential of publication in high-impact journals. Conclusions High-quality, randomized phase 3 trials regarding TC are still insufficient. Therefore, more efforts are needed to improve the treatment of poor prognostic TC and timely publication.
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 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 | 0,089 | 0,294 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,006 | 0,006 |
| Bibliométrie | 0,042 | 0,043 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,007 | 0,008 |
| Science ouverte | 0,002 | 0,003 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 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 validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), 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 ».