MétaCan
Menu
Retour à la cohorte
Enregistrement W3131489629 · doi:10.6004/jnccn.2020.7677

Reassessing the Net Benefit of Cancer Drugs With Evolution of Evidence Using the ASCO Value Framework

2021· article· en· W3131489629 sur OpenAlexaff
Seanthel Delos Santos, Noah Witzke, Bishal Gyawali, Vanessa Sarah Arciero, Amanda Putri Rahmadian, Louis Everest, Matthew C. Cheung, Kelvin Chan

Notice bibliographique

RevueJournal of the National Comprehensive Cancer Network · 2021
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueHealth Systems, Economic Evaluations, Quality of Life
Établissements canadiensUniversity of TorontoKingston Health Sciences CentreCanadian Centre for Applied Research in Cancer ControlOccupational Cancer Research CentreHealth Sciences CentreQueen's UniversitySunnybrook Health Science Centre
Organismes subventionnairesnon disponible
Mots-clésMedicineInterimInterim analysisClinical trialClinical endpointSurrogate endpointInternal medicineCancer drugsQuality of life (healthcare)OncologyCancer

Résumé

récupéré en direct d'OpenAlex

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 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)0,005
score de la tête « metaresearch » (Gemma)0,002
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,775
Score d'incertitude au seuil0,380

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0050,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,000
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 Opus0,460
Tête enseignante GPT0,481
Écart entre enseignants0,021 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

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

En bref

Citations7
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of the National Comprehensive Cancer NetworkMême sujetHealth Systems, Economic Evaluations, Quality of LifeTravaux en français237 207