P.143 Eligibility criteria in glioma clinical trials: a systematic review and meta-analysis on selectivity, generalizability, and real-world applicability
Notice bibliographique
Résumé
Background: Glioma trials may use selective criteria, limiting their generalizability to real-world patients. This systematic review and meta-analysis quantifies the prevalence of these criteria and evaluates their impact on trial outcomes, assessing whether reducing selectivity to improve generalizability and applicability is feasible without compromising safety or efficacy. Methods: 51 glioma trials were extracted from the National Clinical Trial (NCT) database on June 1st, 2024. Eligibility criteria were classified as selective—defined as likely to exclude patients who could benefit, or generalizable—justified due to potential harm or trial focus. The selective criteria were analyzed for correlation with median overall survival (mOS). Results: The average number of selective criteria per study was 6.8 (range: 0–14, median: 7). The most common were “No prior malignancy with a specified disease-free period” (N=29), “Exclusion based on Karnofsky score” (N=27), and “No prior brain radiotherapy” (N=16). Meta-analysis showed no significant correlation between the number of selective criteria and mOS (p = .327). Conclusions: Selective criteria are common in glioma trials, particularly exclusions based on prior malignancies, performance status, and past treatments. However, their lack of correlation with mOS indicates minimal impact on outcomes. These findings suggest reducing selectivity in trial criteria may improve generalizability and applicability without compromising safety or efficacy.
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 | 0,119 | 0,268 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,009 | 0,031 |
| Bibliométrie | 0,007 | 0,011 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,005 | 0,004 |
| Science ouverte | 0,003 | 0,002 |
| Intégrité de la recherche | 0,003 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,001 |
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 ».