An artificial intelligence-driven image quality assessment system for whole-body [18F]FDG PET/CT
Ny forskning fremhæver brugen af real-world data (RWD) i kliniske studier som en metode til at styrke kontrolarmene i randomiserede kontrollerede forsøg (RCT’er). Udfordringer med patientrekruttering i RCT’er forbliver en barriere, og denne tilgang tilbyder en potentiel løsning. Resultaterne blev offentliggjort i tidsskriftet “The Oncologist”.
Studiet blev gennemført som en fase Ib/II-undersøgelse blandt patienter med metastatisk pancreaskræft og indførte en hybrid kontrolarm, der kombinerede data fra både RCT-ens interne kontrolarm og eksterne elektroniske helbredsregistre. Metoden inkluderede brugen af propensity score matching til at balancere baseline variabler samt tre overlevelsesanalysemetoder, herunder Cox-modeller og bayesiansk analyse.
Hovedresultaterne viste, at samlet overlevelse var ensartet mellem behandlingsarmene. De observerede hazard ratios (HR) var i overensstemmelse med tidligere RCT-resultater, hvilket understøtter anvendelsen af RWD som præcisionselement i RCT-designs. Denne undersøgelse understøtter potentialet for RWD til at forbedre kliniske forsøg uden at kompromittere videnskabelig integritet.
#KliniskOnkologi #InternMedicinGastroenterologi
Læs orginal abstract og artikel via Pubmed
Obs: AI-genereret opsummering. Gå til kildeteksten og bliv klogere.
