Using exponential decay to model survival curves in immunotherapy trials.
Notice bibliographique
Résumé
e14698 Background: In oncology trials, survival outcomes, specifically overall survival (OS) and progression-free survival (PFS), are commonly assessed using the Kaplan–Meier estimator. Survival curves in immunotherapy trials for advanced solid tumors frequently display first-order kinetics, suitable for exponential decay modeling. This study utilizes such models on early trial data to predict median OS and PFS, aiming to yield earlier actionable insights. Methods: we searched PubMed to identify immunotherapy trials focusing on advanced solid tumors. Survival curves, along with actual OS and PFS data, were extracted and segmented into immunotherapy and control groups. An exponential decay model was fitted to the initial quartile of events, from which median OS and PFS were extrapolated. These forecasts were then benchmarked against documented trial results. Results: Our analysis included 347 subsets from 122 immunotherapy trials. We observed strong correlation coefficients between actual and predicted OS (0.882 for the immunotherapy group, 0.784 for the control group) and PFS (0.746 for the immunotherapy group, 0.791 for the control group). The predictive models were formulated as follows: Immunotherapy: OS = 0.867 × predicted OS (pOS) + 2.623 ⋅ Control: OS = 0.623 × pOS + 3.731; and Immunotherapy: PFS = 0.583 × predicted PFS (pPFS) + 1.827 ⋅ Control: PFS = 0.519 × pPFS + 1.901. Conclusions: The notable correlation between the actual and predicted survival outcomes supports the efficacy of exponential decay models in forecasting median OS and PFS from preliminary trial data. The consistency observed across trials underscores the model's potential as a predictive tool in clinical research. Further prospective studies are warranted to validate these predictive models and explore their implications for trial design and therapeutic decision-making in oncology.
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 | 0,116 | 0,386 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,005 | 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 | 0,000 |
| 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; les deux têtes enseignantes 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 ».