Reassessing the Net Benefit of Cancer Drugs With Evolution of Evidence Using the ASCO Value Framework
Notice bibliographique
Résumé
BACKGROUND: Regulatory approval of oncology drugs is often based on interim data or surrogate endpoints. However, clinically relevant data, such as long-term overall survival and quality of life (QoL), are often reported in subsequent publications. This study evaluated the ASCO-Value Framework (ASCO-VF) net health benefit (NHB) at the time of approval and over time as further evidence arose. METHODS: FDA-approved oncology drug indications from January 2006 to December 2016 were reviewed to identify clinical trials scorable using the ASCO-VF. Subsequent publications of clinical trials relevant for scoring were identified (until December 2019). Using ASCO-defined thresholds (≤40 for low and ≥45 for substantial benefit), we assessed changes in classification of benefit at 3 years postapproval. RESULTS: Fifty-five eligible indications were included. At FDA approval, 40.0% were substantial, 10.9% were intermediate, and 49.1% were low benefit. We then identified 90 subsequent publications relevant to scoring, including primary (28.9%) and secondary endpoint updates (47.8%), safety updates (31.1%), and QoL reporting (47.8%). There was a change from initial classification of benefit in 27.3% of trials (10.9% became substantial, 9.1% became low, and 7.3% became intermediate). These changes were mainly due to updated hazard ratios (36.4%), toxicities (56.4%), new tail-of-the-curve bonus (9.1%), palliation bonus (14.5%), or QoL bonus (18.2%). Overall, at 3 years postapproval, 40.0% were substantial, 9.1% were intermediate, and 50.9% were low benefit. CONCLUSIONS: Because there were changes in classification for more than one-quarter of indications, in either direction, reassessing the ASCO-VF NHB as more evidence becomes available may be beneficial to inform clinical shared decision-making. On average, there was no overall improvement in the ASCO-VF NHB with longer follow-up and evolution of evidence.
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 | 0,165 | 0,270 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,005 |
| Bibliométrie | 0,017 | 0,010 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,007 | 0,004 |
| Science ouverte | 0,001 | 0,004 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 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 ».