MétaCan
Menu
Retour à la cohorte
Enregistrement W4402508314 · doi:10.1016/j.eclinm.2024.102824

Frequently asked questions on surrogate endpoints in oncology-opportunities, pitfalls, and the way forward

2024· article· en· W4402508314 sur OpenAlexafffund
Abhenil Mittal, Myung Sun Kim, S. Terence Dunn, Kristin Wright, Bishal Gyawali

Notice bibliographique

RevueEClinicalMedicine · 2024
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueCancer Genomics and Diagnostics
Établissements canadiensQueen's UniversityNortheast Cancer Centre
Organismes subventionnairesGovernment of OntarioOntario Institute for Cancer Research
Mots-clésMedicineSurrogate endpointMedical physicsIntensive care medicineOncologyInternal medicine

Résumé

récupéré en direct d'OpenAlex

Patients with cancer expect prolonged life (overall survival, OS) or better life (quality of life, QOL) from cancer treatments. However, majority of new cancer drugs are now being approved not based on improved OS or QOL, but based on surrogate endpoints such as tumor shrinkage or delayed tumor progression. These surrogate endpoints, including their validity as a proxy for overall survival, differ based on disease settings and lines of treatment but in general, most surrogate measures have weak correlation with outcomes that matter to patients. Nevertheless, they are being increasingly used as the basis for regulatory decisions. The current tension in this space is between adoption of surrogate endpoints for early access to cancer drugs versus the need for confirmation that the drugs improve outcomes that matter and not merely improve scan results or surrogate endpoints. In this article, we provide a comprehensive review of surrogate endpoints currently used in oncology trials both in curative and advanced disease settings, including their definition, methodology for validation, existing evidence for their surrogacy, predictive versus prognostic reliability of surrogate endpoints, the promise of surrogate endpoints, their pitfalls, and the way forward. Using a Q&A format, we discuss answers to the most commonly asked questions regarding surrogate endpoints in oncology. Our review answers the following frequently asked questions about surrogate endpoints in oncology: how are surrogate endpoints defined? How are they validated? What is a patient-level versus trial-level surrogate? What are the benefits of using surrogate endpoints? What level of surrogacy is required for regular versus accelerated approval? Are we overusing surrogate endpoints? Should we use surrogate endpoints in adjuvant settings? Can surrogacy be extrapolated from one setting to another? What is the surrogacy of progression-free survival for OS and QOL? Why does PFS not correlated with OS or QOL? Why do regulators rely on surrogate endpoints? We end this article with a proposal on the way forward.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,197
score de la tête « metaresearch » (Gemma)0,444
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche
Catégories consensuellesMétarecherche
DomaineSignal candidat: Méthodes · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,803
Score d'incertitude au seuil0,991

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,1970,444
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0040,004
Bibliométrie0,0050,007
Études des sciences et des technologies0,0020,013
Communication savante0,0090,020
Science ouverte0,0030,007
Intégrité de la recherche0,0110,015
Charge utile insuffisante (le modèle a refusé de juger)0,0080,002

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.

Tête enseignante Opus0,036
Tête enseignante GPT0,332
Écart entre enseignants0,297 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; l’étiquette directe de Gemma et le classifieur distillé Codex s’accordent sur ce qui est montré ici.

Devis d'étudeThéorique ou conceptuel
DomaineMéthodes
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations39
Publié2024
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueEClinicalMedicineMême sujetCancer Genomics and DiagnosticsTravaux en français237 207