How we approach early phase clinical trial and off-label therapy consults in pediatric oncology: The New Agents and Innovative Therapy (NAIT) team experience
Notice bibliographique
Résumé
In the context of hard-to-cure disease, pediatric oncologists may have to explore novel therapy options and explain their rationale, risks and constraints to patients and caregivers. The New Agents and Innovative Therapy (NAIT) program at Hospital for Sick Children in Toronto facilitates patient enrollment in clinical trials as well as access to innovative therapies outside of clinical trials. Here, we summarize our experience with helping patients, caregivers, and their primary oncology team navigate information and access to new therapeutic options through enrollment in clinical trials but also off-label and compassionate use. We expose our approach to exploring clinical trial and other therapy options. We share lessons learned from clinical practice regarding the specific role of NAIT consultant, as opposed to the primary oncologist or the disease expert. We expand on ways to communicate regarding the objectives of early phase clinical trials, their methods and the important commitment asked from participants. We describe our views on equipoise, uncertainty and hope in this very specific practice. We support a model of shared decision making and empowerment of patients and caregivers. We also detail the use, benefits and challenges of virtual care applied to NAIT consults. Overall, we hope to contribute and facilitate the NAIT practice not only for trained trialists but also less-specialized teams. • Innovative therapy options should be explored in the context of hard-to-cure cancer. • Innovative therapies can be accessed through clinical trials and “out-of-trial”. • Communication with patients and caregivers is paramount is this context. • Virtual care applied to these consults has benefits and challenges.
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 | 0,003 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».