STAGED-PKD: Patient Enrichment and Modeling-Driven Efficient ADPKD Trial Design
Notice bibliographique
Résumé
Background: Total kidney volume (TKV) and eGFR slope are key endpoints in autosomal dominant polycystic kidney disease (ADPKD) trials, indicative of cyst growth and kidney function decline. To date, unequivocal demonstration of drug effect on these endpoints required two trials. STAGED-PKD assesses the effect of glucosylceramide synthase inhibition with venglustat on both endpoints in one efficient, short-duration trial. Methods: Retrospective analysis of TKV and eGFR slope data from CRISP (3-yr) and HALT-A combined identified rapidly progressing patients for enrichment. A statistical relationship between TKV growth vs eGFR slope was derived by modeling. Metaanalysis was conducted of randomized clinical trials assessing treatment impact on both TKV and eGFR. These analyses enabled study powering for both endpoints. Comparison of design efficiency was performed vs prior trials. Results: Retrospective analysis of CRISP and HALT-A confirmed a significant correlation between TKV growth and eGFR slope (correlation 0.346, p<0.0001; Figure). Different statistical approaches showed that in rapidly progressing ADPKD patients, 50% reduction in TKV growth is associated with a ˜30% reduction in eGFR slope. Thus, STAGED-PKD is powered to detect 50% reduction in TKV growth and 30% reduction in eGFR slope. STAGED-PKD is highly efficient vs HALT-A and -B, TEMPO 3:4, and REPRISE. Conclusions: Modeling allowed the design and powering of a two-stage study to assess venglustat impact on TKV growth and eGFR slope. STAGED-PKD improves study efficiency via modeling and patient enrichment to reduce patient number and trial duration. Funding: Commercial Support - Sanofi GenzymeModeling of the Relationship Between TKV Growth Rate and eGFR Decline
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 | 0,002 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| 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 | 0,000 | 0,001 |
| 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 ».