Placebo rates in randomized clinical trials of ulcerative colitis: an individual patient data meta-analysis
Notice bibliographique
Résumé
BACKGROUND AND AIMS: We assessed placebo rates and associated factors using individual patient data (IDP) from randomized clinical trials (RCTs) in ulcerative colitis (UC). METHODS: We conducted an IPD meta-analysis using Vivli and Yale University Open Data Access data-sharing platforms. Phase 2 and 3 RCTs of advanced biologics in adults with moderate-to-severe UC published since 2010 were included. Pooled placebo rates and 95% CIs were estimated using one- and two-stage meta-analytical approaches. Significant patient-level factors (P < .05) were identified using regression analyses. Primary outcomes were clinical response and remission. RESULTS: Data were available for 1703 patients from nine studies. For induction trials, overall placebo response and remission rates were 33% (95% CI 29%-38%) and 9% (95% CI 7%-11%). Overall placebo response and remission rates in maintenance trials were 28% (95% CI 18%-41%) and 14% (95% CI 9%-20%). A lower body mass index reduced the odds of placebo response and remission, while higher baseline albumin levels and left-sided (compared to extensive) UC increased the odds of these outcomes. A 1-point increase in the Mayo Clinic Score (MCS) and adapted MCS was associated with a 26% and 27% reduction in odds of clinical remission. For induction trials, prior biologic exposure was associated with lower odds of response and remission. Multicenter trials have lower placebo effects than single-center trials. CONCLUSIONS: These results enable future trials to incorporate design elements that reduce placebo rates as well as a precise benchmark for expected rates in clinical trials that do not include placebo.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,073 | 0,028 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,004 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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; les deux têtes enseignantes 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 ».