qTPI: A quasi-toxicity probability interval design for phase I trials with multiple-grade toxicities
Notice bibliographique
Résumé
The common terminology criteria for adverse events by the National Cancer Institute has greatly facilitated the revolution of drug development and an increasing number of Phase I trials have started to collect multiple-grade toxicity endpoints. Appropriate and yet transparent Phase I statistical designs for multiple-grade toxicities are therefore in great needs. In this article, we propose a quasi-toxicity probability interval (qTPI) design that incorporates a quasi-continuous measure of the toxicity probability ([Formula: see text]) into the Bayesian theoretic framework of the interval based designs. Multiple-grade toxicity outcomes of each patient are mapped to [Formula: see text] according to a severity weight matrix. Dose–toxicity curve underlying the dosing decisions in the qTPI design is continuously updated using accumulating trial data. Numerical simulations investigating the operating characteristics of qTPI show that qTPI achieved better safety, accuracy and reliability compared to designs that rely on binary toxicity data. Furthermore, parameter elicitation in qTPI is simple and does not involve multiple hypothetical cohorts specification. Finally, a hypothetical soft tissue sarcoma trial with six toxicity types and grade 0 to grade 4 severity grades is illustrated with patient-by-patient dose allocation under the qTPI design.
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 | 0,338 | 0,966 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,004 | 0,000 |
| Bibliométrie | 0,001 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,004 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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; 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 ».