MétaCan
Menu
Retour à la cohorte
Enregistrement W7074741941

Success rates for anti-cancer drug development efforts in pediatric oncology

2020· dissertation· en· W7074741941 sur OpenAlexfundno aff

Notice bibliographique

RevueeScholarship@McGill (McGill) · 2020
Typedissertation
Langueen
DomainePhysics and Astronomy
ThématiqueTheoretical and Computational Physics
Établissements canadiensnon disponible
Organismes subventionnairesGenome Canada
Mots-clésPediatric oncologyClinical trialPsychological interventionDrug developmentPediatric cancerIntervention (counseling)DrugLogistic regression
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

In adult cancers, 3.4-6.7% of interventions put into clinical testing ultimately advance to regulatory approval.Little is known about corresponding success rates in pediatric cancer drug development.The purpose of this thesis was to determine the proportion of interventions in pediatric anti-cancer trials that advance or "graduate" to later stages of development and/or clinical practice, and the proportion of participants enrolled in such trials who participate in graduating trials.We used ClinicalTrials.govto search and collect all anti-cancer drug trials recruiting patients below the age of 21 years and/or that were specifically indicated for pediatric malignancies.Key characteristics of trials were extracted, including cancer indication, drug type, and certain trial design features.Each trial was assessed for whether the intervention it tested graduated within 1-6 years of the trial launch to: a subsequent phase, a randomized trial, a Children's Oncology Group (COG)-supported trial, FDA approval, and/or FDA label changes of approved drugs regarding pediatrics.Secondarily, we used logistic regression analysis to determine whether certain trial features are predictive of graduation.We identified 410 pediatric anti-cancer trials launched between 1987 and 2013, enrolling 30,279 participants.Interventions tested in 69 trials (16.8%) graduated to a subsequent phase of clinical development and/or clinical practice, and 4,560 participants (15.1%) enrolled in these trials.We calculated that 19.9% (enrolling 22.2% participants) of interventions tested in phase 1 trials graduated to phase 2, and 1.6% (enrolling 2.8% participants) of interventions in phase 2 graduated to phase 3. FDA approval for a pediatric cancer as the primary or secondary indication was achieved for 2.9% of unapproved interventions in trials, and 5.1% of trials led to FDA label

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,005
score de la tête « metaresearch » (Gemma)0,030
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,012
Score d'incertitude au seuil0,036

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0050,030
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,002
Études des sciences et des technologies0,0010,000
Communication savante0,0020,001
Science ouverte0,0010,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0110,002

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 Opus0,012
Tête enseignante GPT0,281
Écart entre enseignants0,269 · 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; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

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
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueeScholarship@McGill (McGill)Même sujetTheoretical and Computational PhysicsTravaux en français237 207