MétaCan
Menu
Retour à la cohorte
Enregistrement W3122044757 · doi:10.1101/2021.01.22.21250343

Adaptive design methods in dialysis clinical trials – a systematic review

2021· review· en· W3122044757 sur OpenAlexfundno aff
Conor Judge, Robert Murphy, Catriona Reddin, Sarah Cormican, Andrew Smyth, Martin O’Halloran, Martin O’Donnell

Notice bibliographique

RevuemedRxiv · 2021
Typereview
Langueen
DomaineMathematics
ThématiqueStatistical Methods in Clinical Trials
Établissements canadiensnon disponible
Organismes subventionnairesHealth Research BoardHealth Service ExecutiveWellcome TrustCanadian Institute for Theoretical Astrophysics
Mots-clésAdaptive designDialysisMedicineClinical trialKidney diseaseClinical study designSystematic reviewData extractionIntensive care medicinePopulationPsychological interventionMEDLINEResearch designMeta-analysisInternal medicineStatistics

Résumé

récupéré en direct d'OpenAlex

Abstract Background Adaptive design methods are intended to improve efficiency of clinical trials and are relevant to evaluating interventions in dialysis populations. We sought to quantify the use of adaptive designs in dialysis clinical trials. Methods We completed a full text systematic review and adhered to the Preferred Reporting Items for Systematic Review and Meta-Analysis (PRISMA) guidelines. Our review utilised a machine learning classifier and a novel full text systematic review method. We searched MEDLINE (Pubmed) and performed a detailed data extraction of trial characteristics and a completed a narrative synthesis of the data. Results 50 studies, available as 66 articles, were included after full text review. 31 studies were conducted in a dialysis population and 19 studies had renal replacement therapy as a primary or secondary outcome. While the absolute number of adaptive design methods is increasing over time, the relative use of adaptive design methods in dialysis trials is decreasing over time (6.1% in 2009 to 0.3% in 2019). Adaptive design methods impacted 52% of dialysis trials they were used in. Group sequential designs were the most common type of adaptive design method used. Acute Kidney Injury (AKI) was studied in 27 trails (54%), End Stage Kidney Disease (ESKD) was studied in 22 trials (44%) and Chronic Kidney Disease (CKD) was studied in 1 trial (2%). 26 studies (52%) were supported by public funding. 41 studies (82%) did not report their adaptive design method in the title or abstract and would not be detected by a standard systematic. Conclusions Adaptive design methods are employed in dialysis trials, but there has been a decline in their relative use over time. Registration Number PROSPERO: CRD42020163946 Significance statement What was previously known about the specific topic of the manuscript? The use of adaptive designs methods in dialysis trials is unquantified. What were the most important findings? If studies are animals, this should be specified Although absolute numbers of adaptive design trials have increased over time, the proportion of dialysis trials using an adaptive design has reduced. Among trials that employed an adaptive design, 52% of dialysis trials were revised due to the adaptive criteria. Group sequential designs were the most common type of adaptive design method used in dialysis randomized clinical trials. Acute Kidney Injury (AKI) was studied in 54% of trials and End Stage Kidney Disease (ESKD) was studied in 44% of trials, which used an adaptive design. How does the new information advance a new understanding of the kidney and its diseases? Adaptive design methods are effective in dialysis trials, but their relative use has declined over time.

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)0,442
score de la tête « metaresearch » (Gemma)0,955
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche, Méta-épidémiologie (sens strict), Méta-épidémiologie (sens large), Intégrité de la recherche, Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesMétarecherche, Méta-épidémiologie (sens strict), Intégrité de la recherche
DomaineSignal candidat: Méthodes · Signal consensuel: aucune
Devis d'étudeSignal candidat: Revue systématique · Signal consensuel: Revue systématique
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,513
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,4420,955
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0580,008
Bibliométrie0,0000,003
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0020,000
Intégrité de la recherche0,0020,003
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,949
Tête enseignante GPT0,757
Écart entre enseignants0,192 · 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

Devis d'étudeRevue systématique
DomaineMéthodes
GenreSynthèse

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

En bref

Citations1
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuemedRxivMême sujetStatistical Methods in Clinical TrialsTravaux en français237 207