Non-Inferiority Trials: A Systematic Review on Methodological Quality and Reporting Standards
Notice bibliographique
Résumé
BACKGROUND: Non-inferiority (NI) trials require unique trial design and methods, which pose challenges in their interpretation and applicability, risking introduction of inferior therapies in clinical practice. With the abundance of novel therapies, NI trials are increasing in publication. Prior studies found inadequate quality of reporting of NI studies, but were limited to certain specialties/journals, lacked NI margin evaluation, and did not examine temporal changes in quality. We conducted a systematic review without restriction to journal type, journal impact factor, disease state or intervention to evaluate the quality of NI trials, including a comprehensive risk of bias assessment and comparison of quality over time. METHODOLOGY: We searched PubMed and Cochrane Library databases for NI trials published in English in 2014 and 2019. They were assessed for: study design and NI margin characteristics, primary results, and risk of bias for blinding, concealment, analysis method and missing outcome data. RESULTS: We included 823 studies. Between 2014 and 2019, a shift from publication in specialty to general journals (15% vs 28%, p < 0.001) and from pharmacological to non-pharmacological interventions (25% vs 38%, p = 0.025) was observed. The NI margin was specified in most trials for both years (94% vs 95%). Rationale for the NI margin increased (36% vs 57%, p < 0.001), but remained low, with clinical judgement the most common rationale (30% vs 23%), but more 2019 articles incorporating patient values (0.3% vs 21%, p < 0.001). Over 50% of studies were open-label for both years. Gold standard method of analyses (both per protocol + (modified) intention to treat) declined over time (43% vs 36%, p < 0.001). DISCUSSION: The methodological quality and reporting of NI trials remains inadequate although improving in some areas. Improved methods for NI margin justification, blinding, and analysis method are warranted to facilitate clinical decision-making.
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 | 0,465 | 0,734 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,004 |
| Méta-épidémiologie (sens large) | 0,022 | 0,020 |
| Bibliométrie | 0,022 | 0,020 |
| Études des sciences et des technologies | 0,004 | 0,010 |
| Communication savante | 0,014 | 0,013 |
| Science ouverte | 0,008 | 0,008 |
| Intégrité de la recherche | 0,010 | 0,008 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 ».