L’incohérence de l’incohérence. Les rapports troubles du révélé et du rationnel textuel
Notice bibliographique
Résumé
Immune checkpoint blockade (ICB) therapies are one of the greatest advances in the history of cancer care and are now commonly used in the management of many different malignancies. However, much remains unknown about the factors that affect the efficacy and side effect profile of these agents. This review delves into the published literature that evaluates the intricate interplay between race, age, gender, and social determinants in shaping outcomes following ICB across solid tumors and hematologic malignancies. We examine the pivotal phase 2 and 3 trials to evaluate the demographics of participants and outcomes based on these variables, if reported. Most, but not all, trials reported some basic demographic information like age, sex, race, ethnicity, and/or geographic area for enrollment. Clinically relevant biological markers that could affect ICB outcomes such as obesity or markers of social determinants of health were largely not reported. Trials were generally representative for men and women based on expected prevalence for a given malignancy, but often under-represented non-white participants and rarely enrolled patients from the global south. Subgroup analyses were conducted in many ICB trials for solid malignancies, but rarely conducted for hematologic malignancies. These analyses largely showed similar qualitative benefit across subgroups, but adverse events were rarely reported by subgroup. This review adds to our understanding of the populations that these clinical trials have studied and highlight the urgent need to redouble our efforts at increasing the diversity of the population in future ICB trials.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,014 | 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».