The Future of AD Clinical Trials with the Advent of Anti-Amyloid Therapies: An CTAD Task Force Report
Notice bibliographique
Résumé
BACKGROUND: Aducanumab (ADUHELMTM) was approved for the treatment of Alzheimer's disease (AD) in the US. This approval was supported by an effect on the cerebral amyloid plaque load and evidence of cognitive efficacy to be confirmed in post-marketing trials. Other anti-amyloid antibodies are under investigation in phase III (donanemab, lecanemab, gantenerumab) and have shown preliminary evidence of a cognitive benefit in phase II trials. Although these agents target a small segment of patients with mild cognitive impairment due to AD or mild AD dementia, their advent will change the design of future clinical trials both for anti-amyloid and non-amyloid drugs. These changes will promote the selection of patients in clinical trials by amyloid and tau biomarkers that identify patients with appropriate biology and may follow the treatment response to approved amyloid antibodies. The use of these agents creates the opportunity to test combined drug therapies and to conduct comparative assessments with innovative therapies and newly approved drugs available in clinical practice. Blood-based AD biomarkers should be implemented in research and could facilitate the recruitment into clinical trials. Anti-amyloid antibodies will have positive (e.g., more early diagnosis) and negative impacts (some subjects will be reluctant to participate in trials and risk assignment to placebo) on AD trials in the immediate future. We present the results of the CTAD Task Force on this topic, in Boston, November 6, 2021.
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 | 0,318 | 0,217 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,003 |
| Méta-épidémiologie (sens large) | 0,005 | 0,007 |
| Bibliométrie | 0,005 | 0,006 |
| Études des sciences et des technologies | 0,005 | 0,006 |
| Communication savante | 0,020 | 0,006 |
| Science ouverte | 0,009 | 0,008 |
| Intégrité de la recherche | 0,043 | 0,022 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 0,008 |
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 ».