MétaCan
Menu
Retour à la cohorte
Enregistrement W4414847741 · doi:10.57264/cer-2025-0029

Estimating per-protocol effects in external comparator analyses using real-world data

2025· review· en· W4414847741 sur OpenAlexaff
Alind Gupta, Evie Merinopoulou, Stephen Duffield, Manuel Gomes, Seamus Kent, Nicolas Scheuer, Gerardo Machnicki, Thibaut Sanglier

Notice bibliographique

RevueJournal of Comparative Effectiveness Research · 2025
Typereview
Langueen
DomaineMathematics
ThématiqueStatistical Methods in Clinical Trials
Établissements canadiensPublic Health OntarioUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésEmulationProtocol (science)Randomized controlled trialClinical trialEstimationResearch designComparator

Résumé

récupéré en direct d'OpenAlex

Analysis of single arm trials complemented with external comparator arms (ECAs) may be used to support evidence of effectiveness of novel therapies in oncology research when a randomized trial is unavailable or unfeasible. However, the intention-to-treat effect, which is a common target of estimation in ECA studies, is difficult to interpret when there are differences in adherence between the trial and ECA. This paper describes an approach to estimation of per-protocol effects in ECA studies using the target trial emulation framework for study design and analysis based on the results from an exploratory case study (TBASEL). We highlight challenges, potential solutions and future opportunities from the perspectives of protocol specification, data suitability and analysis, to help guide future implementations of per-protocol effects in ECAs.

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,052
score de la tête « metaresearch » (Gemma)0,094
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche, Méta-épidémiologie (sens strict), Intégrité de la recherche
Catégories consensuellesMétarecherche
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Revue systématique · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,607
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0520,094
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0110,001
Bibliométrie0,0030,004
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0030,002
Intégrité de la recherche0,0000,005
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,957
Tête enseignante GPT0,815
Écart entre enseignants0,142 · 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

Devis d'étudeRevue systématique
Domainenon disponible
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

Citations0
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Comparative Effectiveness ResearchMême sujetStatistical Methods in Clinical TrialsTravaux en français237 207