Adaptations and Heterogeneity of Treatment Effects in Platform Trials—Protocol for Two Methodological Studies
Notice bibliographique
Résumé
BACKGROUND: Adaptive platform trials bring opportunities for improved infrastructure and effective advancement in medical care but are methodologically complex. Assessment of heterogeneity of treatment effects (HTE) according to participant characteristics and adaptations, including adaptive stopping, are important methodological features in these trials, which may be approached in multiple ways. We aim to characterise the assessment of HTE and use of adaptations, including their key methodological features, in adaptive platform trials. METHODS: This protocol outlines two methodological studies, which will be based on a common, systematic literature search and data extraction. We will include adaptive platform trials conducted from 2005 onwards. Screening and data extraction will be performed independently and in duplicate. In Study I, we will assess methods used to evaluate HTE, and in Study II, we will assess adaptations and stopping rules in the included trials. DISCUSSION: The two proposed methodological studies will provide an overview of important methodological features regarding the assessment of HTE and adaptations used in adaptive platform trials. Better knowledge of available methods to assess these features can improve the conditions for designing adaptive platform trials and identify areas for further development.
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 | 0,220 | 0,390 |
| Méta-épidémiologie (sens strict) | 0,007 | 0,005 |
| Méta-épidémiologie (sens large) | 0,011 | 0,018 |
| Bibliométrie | 0,008 | 0,009 |
| Études des sciences et des technologies | 0,004 | 0,007 |
| Communication savante | 0,007 | 0,005 |
| Science ouverte | 0,005 | 0,006 |
| Intégrité de la recherche | 0,015 | 0,011 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,044 | 0,009 |
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 ».