Accès ouvert déclaré 2023 article

Development and validation of a machine learning-supported strategy of patient selection for osteoarthritis clinical trials: the IMI-APPROACH study

Paweł Widera, Paco M J Welsing, Samuel Ankomah Danso, Sjaak Peelen, M. Kloppenburg, Marieke Loef, Anne C. A. Marijnissen, Eefje M. van Helvoort, Francisco Javier Blanco, Joana Magalhães, Françis Berenbaum, Ida Kristin Haugen, Anne‐Christine Bay‐Jensen, Ali Mobasheri, Christoph H. Ladel, John A. Loughlin, Floris P. J. G. Lafeber, Jonathan D. Larkin, Harrie Weinans, Jaume Bacardit

12Citations signalées, ce qui n’est pas une note de qualité

16Institutions déclarées

9Pays d’affiliation déclarés

Rattachement africain : gb, nl, fr, no, dk, cn, lt, fi, us. Niveau de preuve : code pays fourni par la source.

Le résumé fourni par la source

Objectives To efficiently assess the disease-modifying potential of new osteoarthritis treatments, clinical trials need progression-enriched patient populations. To assess whether the application of machine learning results in patient selection enrichment, we developed a machine learning recruitment strategy targeting progressive patients and validated it in the IMI-APPROACH knee osteoarthritis prospective study. Design We designed a two-stage recruitment process supported by machine learning models trained to rank candidates by the likelihood of progression. First stage models used data from pre-existing cohorts to select patients for a screening visit. The second stage model used screening data to inform the final inclusion. The effectiveness of this process was evaluated using the actual 24-month progression. Results From 3500 candidate patients, 433 with knee osteoarthritis were screened, 297 were enrolled, and 247 completed the 2-year follow-up visit. We observed progression related to pain ( P , 30%), structure ( S , 13%), and combined pain and structure ( P + S , 5%), and a proportion of non-progressors ( N, 52%) ∼15% lower vs an unenriched population. Our model predicted these outcomes with AUC of 0.86 [95% CI, 0.81–0.90] for pain-related progression and AUC of 0.61 [95% CI, 0.52–0.70] for structure-related progression. Progressors were ranked higher than non-progressors for P + S (median rank 65 vs 143, AUC=0.75), P (median rank 77 vs 143, AUC=0.71), and S patients (median rank 107 vs 143, AUC=0.57). Conclusions The machine learning-supported recruitment resulted in enriched selection of progressive patients. Further research is needed to improve structural progression prediction and assess this strategy in an interventional trial.

Ce résumé expose les affirmations des auteurs. BNTIC ne l’interprète pas comme une validation indépendante des résultats.

Le contrôle bibliographique ouvert

DOI retrouvé dans Crossref DOI retrouvé ; titre concordant.

Titre Crossref: Development and validation of a machine learning-supported strategy of patient selection for osteoarthritis clinical trials: the IMI-APPROACH study
Date Crossref: 01/12/2023
Éditeur: Elsevier BV
Type: journal-article

Ce recoupement confirme des métadonnées liées au DOI. Il ne confirme ni la méthode ni les conclusions de l’étude, et il ne compte pas comme une seconde source scientifique indépendante.

Où se fait cette recherche

Newcastle University Bioscience Institute pays non établi dans la notice
Université ou école supérieure
Utrecht University pays non établi dans la notice
Université ou école supérieure
University Medical Center Utrecht Department of Rheumatology & Clinical Immunology pays non établi dans la notice
Établissement de santé
Lygature pays non établi dans la notice
Organisation à but non lucratif
Leiden University Medical Center Department of Rheumatology pays non établi dans la notice
Organisme public
Assistance Publique – Hôpitaux de Paris pays non établi dans la notice
Établissement de santé
Hôpital Saint-Antoine pays non établi dans la notice
Établissement de santé
Diakonhjemmet Hospital Division of Rheumatology and Research pays non établi dans la notice
Établissement de santé
Nordic Bioscience (Denmark) pays non établi dans la notice
Entreprise
Sun Yat-sen University Department of Joint Surgery pays non établi dans la notice
Université ou école supérieure
State Research Institute Centre for Innovative Medicine Department of Regenerative Medicine pays non établi dans la notice
Structure de recherche
University of Oulu pays non établi dans la notice
Université ou école supérieure

Bioscience Institute — Newcastle University, Utrecht University et Department of Rheumatology & Clinical Immunology — University Medical Center Utrecht, avec 9 autres affiliations.

Une affiliation ne permet pas de déduire la nationalité d’un auteur.

Les sujets associés

Osteoarthritis Treatment and MechanismsTotal Knee Arthroplasty OutcomesArtificial Intelligence in Healthcare and Education

Lire en accès ouvert Consulter la publication primaire Ouvrir le DOI