Meta‐analysis of sex and racial subgroup participation rates and differential treatment effects for trials in solid tumor malignancies leading to US Food and Drug Administration registration between 2010 and 2021
Notice bibliographique
Résumé
BACKGROUND: The lack of sociodemographic diversity in clinical trials limits the generalizability of results. The authors examined participation rates and effect modification by sex and race in oncology trials. METHODS: The authors extracted outcome data stratified by sex and race for registration trials supporting US Food and Drug Administration (FDA) approval (2010-2021). Effect modification by race and sex was examined using quantitative and qualitative methods. A random-effects meta-analysis and pairwise comparison of progression-free survival (PFS) and overall survival (OS) outcomes was conducted by sex and race. RESULTS: Ninety-five trials with 123 end points and 54,365 patients provided information on sex. Trial patients were more often male (n = 35,482; 65% vs. 56% male patients in US Surveillance, Epidemiology, and End Results [SEER] data), although the proportion of male patients was similar after adjusting by tumor type (60% in FDA data vs. 58% in SEER data). There was no difference in pooled outcomes among male versus female patients (PFS: hazard ratio, 0.99; 95% confidence interval, 0.92-1.07; p = .89; OS: hazard ratio, 0.99; 95% confidence interval, 0.93-1.07; p = .90). In total, 111 trials including 74,217 patients provided information on race, and 68% of patients identified as White, compared with 72.3% in US SEER incidence data. Black patients were under-represented compared with US SEER incidence data, although ethnicity was poorly reported throughout the data set. In the authors' network meta-analysis by race, there were no statistically significant differences in PFS or OS outcomes. CONCLUSIONS: No significant differences in PFS or OS outcomes were identified when the analyses were stratified by sex or race. Certain racial minorities remain under-represented, and clearer reporting of race and ethnicity is needed. Representation of female patients in FDA trials is similar to that in SEER data after adjusting for tumor type.
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 | 0,043 | 0,099 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,010 | 0,054 |
| Bibliométrie | 0,005 | 0,004 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,004 | 0,002 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,002 |
| 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; 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 ».