Master Protocol Design With Hybrid Control for Efficient Early-Phase Trial Consolidation
Notice bibliographique
Résumé
PURPOSE: Master protocols represent transformations, enabling multiple therapies or diseases under a single protocol. These designs streamline therapeutic development by reducing redundancies. Suited for evolving fields such as oncology and global emergencies such as the COVID-19 pandemic, master protocols have been exemplified by studies such as RECOVERY, Solidarity, and I-SPY 2, which accelerated effective treatment identification (with I-SPY 2 focused on molecular subtypes). Recent oncology examples, such as MORPHEUS, evaluate immunotherapy combinations with shared controls. Despite advantages, their application in early-phase oncology remains underutilized amid growing regulatory emphasis on randomization for robust evidence. METHODS: US Food and Drug Administration (FDA) Oncology Center of Excellence (OCE) initiatives, such as Project Optimus and Project FrontRunner, emphasize randomization in early-phase oncology trials. However, these initiatives pose challenges, including larger sample sizes, patient and physician reluctance to randomization, and high failure rates from poor accrual. To address these, this article adapts master protocol designs to consolidate early-phase trials for novel therapeutics sharing a common backbone therapy, integrating hybrid controls from published standard-of-care data to minimize randomization to the control arm. RESULTS: By consolidating trials under a shared standard-of-care control arm, the proposed master protocol design reduces total sample size by as much as 55% when compared with independent trials (with control arm sizes 2.4-2.9 times lower), lowers costs and duration, and enhances enrollment through reduced randomization to controls. Incorporating hybrid controls from prior studies and sharing information among arms with common background standard-of-care further improve efficiency, increasing power (reaching 90% overall) while controlling type I error rates acceptable levels. CONCLUSION: Master protocol designs with hybrid controls and Bayesian information sharing enable the efficient integration of randomization into early-phase oncology trials, enhancing efficiency, cost-effectiveness, and patient-centricity while aligning with FDA OCE initiatives.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,105 | 0,164 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,003 | 0,002 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,003 |
| Communication savante | 0,003 | 0,004 |
| Science ouverte | 0,003 | 0,005 |
| Intégrité de la recherche | 0,002 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,019 | 0,002 |
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.
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 source (Gemma direct ou Codex distillé), 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 ».