Characteristics of post hoc subgroup analyses of oncology clinical trials: a systematic review
Notice bibliographique
Résumé
BACKGROUND: Subgroup analyses in clinical trials assess intervention effects on specific patient subgroups, ensuring generalizability. However, they are usually only able to generate hypotheses rather than definitive conclusions. This study examined the prevalence and characteristics of post hoc subgroup analysis in oncology. METHODS: We systematically reviewed published subgroup analyses from 2000 to 2022. We included articles presenting secondary, post hoc, or subgroup analyses of interventional clinical trials in oncology, cancer survivorship, or cancer screening, published separately from the original clinical trial publication. We collected cancer type, year of publication, where and how subgroup analyses were reported, and funding. RESULTS: Out of 16 487 screened publications, 1612 studies were included, primarily subgroup analyses of treatment trials for solid tumors (82%). Medical writers contributed to 31% of articles, and 58% of articles reported conflicts of interest. Subgroup analyses increased significantly over time, with 695 published between 2019 and 2022, compared to 384 from 2000 to 2014. Gastrointestinal tumors (25%) and lymphoid lineage tumors (39%) were the most frequently studied solid and hematological malignancies, respectively. Industry funding and reporting of conflicts of interest increased over time. Subgroup analyses often neglected to indicate their secondary nature in the title. Most authors were from high-income countries, most commonly North America (45%). CONCLUSIONS: This study demonstrates the rapidly growing use of post hoc subgroup analysis of oncology clinical trials, revealing that the majority are supported by pharmaceutical companies, and they frequently fail to indicate their secondary nature in the title. Given the known methodological limitations of subgroup analyses, caution is recommended among authors, readers, and reviewers when conducting and interpreting these studies.
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 | 0,252 | 0,619 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,002 |
| Méta-épidémiologie (sens large) | 0,012 | 0,035 |
| Bibliométrie | 0,018 | 0,017 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,005 | 0,007 |
| Science ouverte | 0,003 | 0,004 |
| Intégrité de la recherche | 0,003 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».