Mortality As a Measure of Treatment Effect in Clinical Trials Recruiting Critically Ill Patients*
Notice bibliographique
Résumé
OBJECTIVES: All-cause mortality is a common measure of treatment effect in ICU-based randomized clinical trials (RCTs). We sought to understand the performance characteristics of a mortality endpoint by evaluating its temporal course, responsiveness to differential treatment effects, and impact when used as an outcome measure in trials of acute illness. DATA SOURCES: We searched OVID Medline for RCTs published from 1990 to 2018. STUDY SELECTION: We reviewed RCTs that had randomized greater than or equal to 100 patients, were published in one of five high-impact general medical or eight critical care journals, and reported mortality at two or more distinct time points. We excluded trials recruiting pediatric or neonatal patients and cluster RCTs. DATA EXTRACTION: Mortality by randomization group was recorded from the article or estimated from survival curves. Trial impact was assessed by inclusion of results in clinical practice guidelines. DATA SYNTHESIS: From 2,592 potentially eligible trials, we included 343 RCTs (228,784 adult patients). While one third of all deaths by 180 days had occurred by day 7, the risk difference between study arms continued to increase until day 60 (p = 0.01) and possibly day 90 (p = 0.07) and remained stable thereafter. The number of deaths at ICU discharge approximated those at 28-30 days (95% [interquartile range [IQR], 86-106%]), and deaths at hospital discharge approximated those at 60 days (99% [IQR, 94-104%]). Only 13 of 43 interventions (30.2%) showing a mortality benefit have been adopted into widespread clinical practice. CONCLUSIONS: Our findings provide a conceptual framework for choosing a time horizon and interpreting mortality outcome in trials of acute illness. Differential mortality effects persist for 60 to 90 days following recruitment. Location-based measures approximate time-based measures for trials conducted outside the United States. The documentation of a mortality reduction has had a modest impact on practice.
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 | 0,370 | 0,649 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,002 |
| Méta-épidémiologie (sens large) | 0,012 | 0,017 |
| Bibliométrie | 0,013 | 0,017 |
| Études des sciences et des technologies | 0,001 | 0,004 |
| Communication savante | 0,008 | 0,007 |
| Science ouverte | 0,003 | 0,003 |
| Intégrité de la recherche | 0,006 | 0,005 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 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; l’étiquette directe de Gemma et le classifieur distillé Codex 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 ».