Challenges and Opportunities in Developing an Oncology Clinical Trial Network in the United States Veterans Affairs Health Care System: The VA STARPORT Experience
Notice bibliographique
Résumé
The United States Veterans Affairs (VA) Health Care System has a strong history of conducting impactful oncology randomized clinical trials (RCTs). We developed a phase II/III RCT to test the use of metastasis-directed therapy in Veterans with oligometastatic prostate cancer (OMPC)-the first VA RCT in OMPC that leverages novel imaging and advanced radiotherapy techniques. To accomplish this, we developed a clinical trial network to conduct the study. In this manuscript, we describe several challenges we encountered in study development/conduct and our strategies to address them, with the goal of helping investigators establish robust study networks to conduct clinical trials. In the study start-up, we encountered challenges in timely site activation, and leveraged project management to maximize efficiency. Additionally, there were several changes in the clinical paradigms in imaging and treatment that led to protocol amendments to ensure maximum equipoise, recruitment, and impact of the study. Specifically, we amended the trial to add de novo OMPC patients (from initially only recurrent OMPC) and expanded the study to allow up to 10 metastases (from initially five). Finally, in order to maintain local study team engagement, we developed initiatives to maximize collaboration and add value to the overall clinical program through study participation.
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 | 0,563 | 0,416 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,002 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,012 | 0,011 |
| Communication savante | 0,024 | 0,017 |
| Science ouverte | 0,010 | 0,027 |
| Intégrité de la recherche | 0,008 | 0,022 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,011 | 0,002 |
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 ».