MétaCan
Menu
Retour à la cohorte
Enregistrement W4387881889 · doi:10.1016/j.euf.2023.10.003

Pros and Cons of Noninferiority Trials

2023· review· en· W4387881889 sur OpenAlexaff
Sandra Ofori, Sara Tornberg, Tuomas P. Kilpeläinen, Kari A.O. Tikkinen, Gordon Guyatt, Lambertus P. W. Witte

Notice bibliographique

RevueEuropean Urology Focus · 2023
Typereview
Langueen
DomaineMathematics
ThématiqueStatistical Methods in Clinical Trials
Établissements canadiensMcMaster UniversityImpact
Organismes subventionnairesSigrid Juséliuksen SäätiöSuomen Lääketieteen SäätiöHelsingin ja Uudenmaan SairaanhoitopiiriHelsingin Yliopisto
Mots-clésconsMedicineMedical physics

Résumé

récupéré en direct d'OpenAlex

Clinical trials are essential for establishing the benefits and harms of various treatments. Among the various trial designs, superiority trials aim to establish the superiority of one treatment over another, while noninferiority trials demonstrate that a new treatment is not inferior to an established one while minimizing harms or patient burdens. In recent years, noninferiority trials have gained prominence. This mini-review explores noninferiority trials, focusing on challenges in their interpretation. Ultimately, we argue that the focus should be on the results from trials rather than their design, as clinicians and other stakeholders primarily seek evidence that helps patients and clinicians in trade-offs of the benefits and harms and burdens of treatment options. PATIENT SUMMARY: Our mini-review shows that looking at the overall treatment benefits and harms in noninferiority trials is better than focusing on the trial design. This approach would help patients and clinicians to better understand trial results and their implications.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,026
score de la tête « metaresearch » (Gemma)0,376
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche, Méta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Autre devis · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,927
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0260,376
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0070,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0000,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,873
Tête enseignante GPT0,653
Écart entre enseignants0,220 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeAutre devis
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations5
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEuropean Urology FocusMême sujetStatistical Methods in Clinical TrialsTravaux en français237 207