Adaptive trials in stroke: Current use & future directions
Notice bibliographique
Résumé
Abstract Inclusion of adaptive design features in a clinical trial provides pre-planned flexibility to dynamically modify a trial during its conduct, while preserving validity and integrity. Adaptive trials are needed to accelerate the conduct of more efficient, informative, and ethical clinical research in the field of neurology as compared to traditional fixed designs. Stroke is a natural candidate for adoption of these innovative approaches to trial design. This Research Methods in Neurology paper is informed by scoping review that identified 45 completed and ongoing adaptive clinical trials in stroke that were appraised: 14 trials had published results with or without a published protocol, 15 trials had a published protocol, and 16 trials were registered only. Treatments spanned acute (n=28), rehabilitation (n=8), prevention (n=8), and rehabilitation and prevention (n=1) domains. A subsample of these trials were selected to illustrate the utility of adaptive design features and discuss why each adaptive feature(s) were incorporated in the design to best achieve the aim, whether each individual feature was used and if it resulted in expected efficiencies, and any learnings during preparation, conduct or reporting. We then discuss the operational, ethical, and regulatory considerations that warrant careful consideration during adaptive trial planning and reflect on the workforce readiness to deliver adaptive trials in practice. We conclude that adaptive trials can be designed, funded, conducted, and published for a wide range of research questions and offer future directions to support adoption of adaptive trial designs in stroke and neurological research more broadly.
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 | 0,020 | 0,357 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,003 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».