Benefit of Avasopasem Manganese on Severe Oral Mucositis in Head and Neck Cancer in the ROMAN Trial: Unplanned Secondary Analysis
Notice bibliographique
Résumé
Purpose Oral mucositis (OM) is a debilitating side effect of cisplatin and intensity-modulated radiation therapy (IMRT) in patients with head and neck cancer. The phase 3 ROMAN trial showed avasopasem manganese (AVA) significantly decreased individual endpoints of incidence and duration of severe oral mucositis (SOM, World Health Organization [WHO] grade 3-4), with nominal decrease in severity (WHO grade 4) and significant increase in the delay in onset of SOM. We sought to determine the Net Treatment Benefit (NTB) of AVA versus placebo (PBO) using the generalized pairwise comparisons (GPC) method. Methods and Materials GPC is a statistical method that permits simultaneous analysis of several prioritized outcomes, comparing all possible pairs of a patient in the active (ie, AVA) group and a patient from the control (ie, PBO) group. NTB is the net benefit across all the outcomes for AVA compared to PBO. Key clinically relevant outcomes from ROMAN were prioritized: (1) WHO grade 4 OM incidence; (2) SOM incidence; (3) days of SOM; (4) days to SOM onset, with 7 days difference defined as the clinical relevance threshold for SOM days and SOM onset. Results GPC analysis of 407 patients (AVA = 241, placebo=166) stratified by cisplatin schedule and treatment setting resulted in 13,969 pairwise comparisons. AVA showed statistically significant net benefit on all 4 key outcomes with a 53.9% probability that AVA would benefit patients versus a 35.0% probability that PBO would; the difference between these probabilities was a NTB of 18.9% ( P = .0012), translating to an AVA number needed to treat of 5.3 patients. All outcomes contributed to NTB, reflecting improvements in SOM incidence, onset and duration, and in grade 4 OM incidence seen in the original ROMAN analysis. Conclusions This GPC analysis shows compelling evidence from the ROMAN trial of AVA's clinical benefit across key parameters of SOM burden.
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 | 0,008 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,000 |
| Méta-épidémiologie (sens large) | 0,006 | 0,007 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 source (Gemma direct ou Codex distillé), 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 ».