Global Myeloma Trial Participation and Drug Access in the Era of Novel Therapies
Notice bibliographique
Résumé
PURPOSE: The globalization of clinical trials has accelerated recent advances in multiple myeloma (MM). However, it is unclear whether trial enrollment locations are reflective of the global burden of MM and whether access to novel therapies is timely and equitable for countries that participate in those trials. METHODS: To assess this, we characterized where MM trials that led to US Food and Drug Administration (FDA) approvals were conducted and determined how often and quickly these drug regimens received approval in their participating trial countries on the basis of country income level and geographic region. RESULTS: A systematic review was conducted to identify all MM clinical trials that met their primary endpoint, enrolled patients outside the United States, and resulted in FDA approval from 2005 to 2019. A total of 18 pivotal MM clinical trials were identified. High-income countries enrolled patients in 100% (18/18) of the trials identified, whereas upper-middle and lower-middle-income countries were represented in 61% (11/18) and 28% (5/18) of trials, respectively. No patients from low-income countries were enrolled. One trial enrolled patients in sub-Saharan Africa, and no trials enrolled patients in South Asia/Caribbean. For drugs/regimens that were approved in their participating countries, the median time from FDA approval to approval was 10.9 months. There were no drugs approved in lower-middle-income trial countries. MM trials leading to FDA approval are generally run in high-income, European, and Central Asian countries. CONCLUSION: There are substantial disparities in where novel therapies are evaluated and where they are ultimately approved for use on the basis of income level and geography.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».