Bridging research gaps in geriatric oncology: unraveling the potential of pragmatic clinical trials
Notice bibliographique
Résumé
PURPOSE OF REVIEW: This review examines the role of pragmatic clinical trials (PCTs) in addressing the underrepresentation of older adults with cancer (OAC) in clinical trials. Focusing on real-world evidence (RWE), it aims to provide a comprehensive overview of PCT utilization, emphasizing their potential to enhance treatment decisions and patient outcomes. Existing knowledge gaps in PCT implementation are also discussed. RECENT FINDINGS: PCTs are identified as effective tools to include OACs with comorbidities and complex conditions in research, bridging the representation gap. Despite their proven value in healthcare provision, their application in OAC contexts remains limited, hindering comprehensive understanding and inclusivity in clinical trials. SUMMARY: While randomized controlled trials (RCTs) are considered the gold standard in oncology research, OACs have historically been excluded, perpetuating underrepresentation. Furthermore, even in current oncology clinical development trials, this demographic continues to be underrepresented. PCTs offer a valuable avenue for the identification and evaluation of therapies within authentic RW contexts, encompassing various healthcare settings, such as hospitals, clinics, and physician practices. RCTs and PCTs complement one another, and the utilization of PCTs has the potential to inform clinical decision-making across the OACs entire treatment trajectory.
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 | 0,204 | 0,477 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,002 |
| Méta-épidémiologie (sens large) | 0,012 | 0,007 |
| Bibliométrie | 0,006 | 0,007 |
| Études des sciences et des technologies | 0,001 | 0,005 |
| Communication savante | 0,011 | 0,012 |
| Science ouverte | 0,005 | 0,006 |
| Intégrité de la recherche | 0,008 | 0,009 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 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 ».