De-escalation trials do not always need to be noninferiority: a case for superiority design de-escalation trials in oncology
Notice bibliographique
Résumé
De-escalation trials in oncology have received increased attention recently because there is a growing concern that patients with cancer are being overtreated-more patients (than would benefit) are being treated, earlier in the disease course, at a higher dose, for a longer duration, at a higher frequency. Thus, it is important to understand if less treatment allows us to achieve similar outcomes, a strategy referred to as de-escalation of treatment. However, one of the major concerns with such de-escalation strategies is the possibility of compromising treatment efficacy. While de-escalated treatment with lesser therapeutic burden is a worthwhile goal in itself because it leads to less physical, financial, and time toxicities, de-escalation cannot come at a substantial compromise of treatment efficacy. The commonest way to test whether such de-escalation strategies are safe and do not lead to unacceptable compromise in efficacy is through a non-inferiority design trial. Such trials require larger sample size, and thus, more funding and longer time to be completed. However, de-escalation trials do not necessarily need to be non-inferiority design. In this article, I make a case for using superiority design to test de-escalation strategies. This will avoid the limitations of non-inferiority design and make de-escalation strategies more efficient to test.
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 | 0,081 | 0,556 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».