Clinical trial outcome measures in cough
Notice bibliographique
Résumé
Effective therapies for the treatment of cough remain a significant unmet need. However, the development of new therapies relies upon validated tools for cough measurement to demonstrate efficacy in clinical trials. Significant progress has been made in the development of new cough outcome measures in recent years. Symptoms are typically captured by patient-reported outcomes and for cough, the cough severity VAS, cough severity diary and the LCQ have been used most often. As coughing is associated with characteristic movement and sound, objective quantification is feasible, and the VitaloJAK system has been used as the primary end-point in all regulatory trials of novel treatments to date. The development of the P2X3 antagonist, gefapixant, for patients with RCC has afforded the first opportunity in the recent past to present data captured with these cough outcome measures to regulatory bodies making decisions about the approval of new treatments. This chapter focuses on cough outcome measures in the context of clinical trials of novel therapies and discusses recent experiences with some of these end-points in the context of approval of new therapies. Cite as: Smith JA, Kum E, Holt K, et al. Clinical trial outcome measures in cough. In: Song W-J, McGarvey L, Cho PSP, et al. Chronic Cough (ERS Monograph). Sheffield, European Respiratory Society, 2025; pp. 94–106 [ https://doi.org/10.1183/2312508X.10027024 ].
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 | 0,159 | 0,253 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,000 |
| Méta-épidémiologie (sens large) | 0,005 | 0,007 |
| Bibliométrie | 0,004 | 0,006 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,005 | 0,005 |
| Science ouverte | 0,002 | 0,004 |
| Intégrité de la recherche | 0,004 | 0,007 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,026 | 0,005 |
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 ».