Measurement of factors influencing the participation of patients with prostate cancer in clinical trials: a Canadian perspective
Notice bibliographique
Résumé
OBJECTIVE: To identify factors that patients with prostate cancer believe to be important determinants in their decisions about future enrolment in clinical trials. PATIENTS AND METHODS: In all, 122 patients (within 5 years of a diagnosis of prostate cancer) who had never been asked to participate in a clinical trial were asked to complete a 30-item measure of 'Factors Influencing Participation' in clinical trials. RESULTS: Factor analysis showed that variables influencing participation can be grouped into three areas: acceptability (e.g. recruitment process and altruistic beliefs); awareness (e.g. impact on quality of life, survivorship and randomization process); and accessibility (e.g. costs to patient, influence of family, age, time and need for extra tests). Awareness items were rated significantly more important by patients with T1 or T2 disease (P = 0.002). Patients who had not made a treatment decision also rated awareness (P = 0.05) and acceptability (P = 0.04) items higher. Patients with less than a university education identified access items as more important (P = 0.03). Helping future patients with prostate cancer, the impact of the study protocol on survival, being fully informed about the study, relationship with specialists, and impact of study on quality of life were identified as the five variables having the most influence on future enrolment. CONCLUSIONS: Men rated items related to awareness and acceptability as being the most important determinants to future enrolment in a clinical trial. Knowledge about what these men believe is important for their future participation in a clinical trial will help researchers to design protocols that address the needs of targeted patient groups.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,032 | 0,068 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».