Systematic Living Evidence for Clinical Trials (SyLECT): a data-driven framework for drug selection in clinical trials in motor neuron disease
Notice bibliographique
Résumé
Abstract Despite many promising preclinical studies and decades of clinical trials, there remains a paucity of effective disease-modifying drugs in motor neuron disease. We aimed to develop a systematic and structured data-driven framework to identify, evaluate and prioritise candidate drugs for clinical trials, specifically for the Motor Neuron Disease-Systematic Multi-Arm Adaptive Randomised Trial (MND-SMART; NCT040302870). We developed the Systematic Living Evidence for Clinical Trials (SyLECT) platform as a modular framework integrating emerging data from different domains to inform prioritisation of candidate drugs. Current domains incorporated include published clinical, animal in vivo, and in vitro literature; in house in vitro high throughput drug screening; pathway and network analysis; and pharmacological, feasibility and clinical trial data from drug, chemical, and clinical trial databases. In this approach, we first identify a list of candidate drugs from these domains then select drugs for further consideration based on drug properties, feasibility, and expert opinion. For prioritised drugs we then generate, evaluate, and synthesise further evidence from across data domains. Using automated workflows and interactive web applications, we produce snapshot “living evidence summaries” to inform expert panel decisions on prioritisation of candidate drugs for MND-SMART. The third drug selected for MND-SMART and the first using this framework is amantadine. We demonstrated the feasibility of a systematic data-driven framework to inform prioritisation of candidate drugs for clinical trials in motor neuron disease, with potential for wider application across diseases where there is unmet clinical need. Key messages What is already known on this topic - Despite extensive preclinical research and clinical trials for disease-modifying treatments in motor neuron disease, translational success remains elusive. - Advances in research across biological domains presents a wealth of data to guide prioritisation of candidate drugs for clinical trials. What this study adds - This study demonstrates the feasibility of using a systematic, modular, data-driven framework to inform prioritisation of candidate drugs for an adaptive platform trial in motor neuron disease. How this study might affect research, practice or policy - The framework could be applied to inform prioritisation of drugs for clinical trials in other diseases, especially adaptive platform trials in neurodegenerative diseases.
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 | 0,351 | 0,429 |
| Méta-épidémiologie (sens strict) | 0,005 | 0,004 |
| Méta-épidémiologie (sens large) | 0,007 | 0,016 |
| Bibliométrie | 0,020 | 0,011 |
| Études des sciences et des technologies | 0,002 | 0,006 |
| Communication savante | 0,017 | 0,009 |
| Science ouverte | 0,008 | 0,016 |
| Intégrité de la recherche | 0,006 | 0,010 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,010 | 0,003 |
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 ».