MétaCan
Menu
Retour à la cohorte
Enregistrement W4223438198 · doi:10.1001/jamanetworkopen.2022.4361

Evaluation of Information Theoretic Network Meta-analysis to Rank First-Line Anticancer Regimens for Hormone Receptor–Positive, <i>ERBB2</i>-Negative Metastatic Breast Cancer

2022· article· en· W4223438198 sur OpenAlexaff
Xuanyi Li, Alicia Beeghly‐Fadiel, Suresh K. Bhavnani, Hossein Tavana, Samuel M. Rubinstein, Bishal Gyawali, Irbaz Bin Riaz, Hermina Fernandes, Jeremy L. Warner

Notice bibliographique

RevueJAMA Network Open · 2022
Typearticle
Langueen
DomaineMedicine
ThématiqueAdvanced Breast Cancer Therapies
Établissements canadiensQueen's University
Organismes subventionnairesNational Institute on Minority Health and Health DisparitiesNational Cancer Institute
Mots-clésOncologyInternal medicineMedicineRandomized controlled trialRegimenBreast cancerMetastatic breast cancerDocetaxelMeta-analysisCancer

Résumé

récupéré en direct d'OpenAlex

Importance: Hormone receptor-positive, ERBB2 (formerly HER2/neu)-negative metastatic breast cancer (HR-positive, ERBB2-negative MBC) is treated with targeted therapy, endocrine therapy, chemotherapy, or combinations of these modalities; however, evaluating the increasing number of treatment options is challenging because few regimens have been directly compared in randomized clinical trials (RCTs), and evidence has evolved over decades. Information theoretic network meta-analysis (IT-NMA) is a graph theory-based approach for regimen ranking that takes effect sizes and temporality of evidence into account. Objective: To examine the performance of an IT-NMA approach to rank HR-positive, ERBB2-negative MBC treatment regimens. Data Sources: HemOnc.org, a freely available medical online resource of interventions, regimens, and general information relevant to the fields of hematology and oncology, was used to identify relevant RCTs. Study Selection: All primary and subsequent reports of RCTs of first-line systemic treatments for HR-positive, ERBB2-negative MBC that were referenced on HemOnc.org and published between 1974 and 2019 were included. Additional RCTs that were evaluated by a prior traditional network meta-analysis on HR-positive, ERBB2-negative MBC were also included. Data Extraction and Synthesis: RCTs were independently extracted from HemOnc.org and a traditional NMA by separate observers. This study followed the Preferred Reporting Items for Systematic Reviews and Meta-analyses (PRISMA) reporting guideline for NMA with several exceptions: the risk of bias within individual studies and inconsistency in the treatment network were not assessed. Main Outcomes and Measures: Regimen rankings generated by IT-NMA based on clinical trial variables, including primary end point, enrollment number per trial arm, P value, effect size, years of enrollment, and year of publication. Results: A total of 203 RCTs with 63 629 patients encompassing 252 distinct regimens were compared by IT-NMA, which resulted in 151 rankings as of 2019. Combinations of targeted and endocrine therapy were highly ranked, especially the combination of endocrine therapy with cyclin-dependent kinase 4 and 6 (CDK4/6) inhibitors. For example, letrozole plus palbociclib was ranked first and letrozole plus ribociclib, third. Older monotherapies that continue to be used in RCTs in comparator groups, such as anastrozole (251 of 252) and letrozole (252), fell to the bottom of the rankings. Many regimens gravitated toward indeterminacy by 2019. Conclusions and Relevance: In this network meta-analysis study, combination therapies appeared to be associated with better outcomes than monotherapies in the treatment of HR-positive, ERBB2-negative MBC. These findings suggest that IT-NMA is a promising method for longitudinal ranking of anticancer regimens from RCTs with different end points, sparse interconnectivity, and decades-long timeframes.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,058
score de la tête « metaresearch » (Gemma)0,173
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Méta-analyse · Signal consensuel: Méta-analyse
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,058
Score d'incertitude au seuil0,308

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0580,173
Méta-épidémiologie (sens strict)0,0030,001
Méta-épidémiologie (sens large)0,0120,028
Bibliométrie0,0070,005
Études des sciences et des technologies0,0010,001
Communication savante0,0030,002
Science ouverte0,0030,002
Intégrité de la recherche0,0020,003
Charge utile insuffisante (le modèle a refusé de juger)0,0090,001

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.

Tête enseignante Opus0,067
Tête enseignante GPT0,360
Écart entre enseignants0,293 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeMéta-analyse
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
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJAMA Network OpenMême sujetAdvanced Breast Cancer TherapiesTravaux en français237 207