The Role of Adaptive and Innovative Trial Designs in Diabetes Research: A Scoping Review
Notice bibliographique
Résumé
BACKGROUND: Adaptive and master protocol clinical trials offer significant advantages for diabetes research, including enhanced efficiency and personalized treatment strategies. PURPOSE: This scoping review aimed to systematically map the use of adaptive and master protocol designs in interventional trials for type 1 and type 2 diabetes, identify research gaps, and highlight opportunities for broader implementation. DATA SOURCES: A systematic literature search was performed using MEDLINE, Embase, CENTRAL, Emcare, Global Health, Web of Science, and clinical trial registries. Gray literature searches complemented database findings. STUDY SELECTION: Studies using adaptive, platform, basket, or umbrella trial designs in people with type 1 or type 2 diabetes were included. DATA EXTRACTION: Data were charted using a standardized form. Extracted variables included diabetes type, trial design, adaptive features, interventions, end points, and key findings. DATA SYNTHESIS: Of 396 articles screened, 6 published adaptive trials met the inclusion criteria: 3 in type 1 diabetes, 1 in type 2 diabetes, and 2 in diabetes-related neuropathy. Most used adaptive features for dose finding, response-adaptive randomization, and sample size reestimation. No published platform, basket, or umbrella trials were identified. Six ongoing adaptive trials in type 1 diabetes were identified through registry searches, four under an adaptive platform master protocol. LIMITATIONS: Despite a comprehensive search, some gray literature and unpublished studies may have been missed. Risk of bias was not assessed, consistent with scoping review methodology. CONCLUSIONS: Adaptive and master protocol trials remain rare in diabetes. Overcoming barriers through targeted training and awareness, robust regulatory frameworks, and strategic incentives could support broader adoption.
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 | 0,008 | 0,206 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| 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 | 0,000 |
| 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; un appel candidat d’une seule tête enseignante, 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 ».