Sex/Gender Disparities in Randomized Controlled Trials of Statins: The Impact of Awareness Efforts
Notice bibliographique
Résumé
PURPOSE: Studies have demonstrated gender differences in the burden of cardiovascular outcomes for patients with dyslipidemia. Progress in identification of the sex/gender composition in Randomized Controlled Trials (RCTs) is crucial for understanding the distribution of therapeutics effectiveness in the population according to sex/gender. The purpose of this study was to investigate the evolving pattern of sex/gender disparity in participants of RCTs on statins between 1990 and 2010. A secondary objective was to evaluate changes in the pattern of the average age of participants of RCTs on statins between 1990 and 2010. METHODS: This review focused on RCTs on statins that reported participants' numbers by sex/gender. Studies were identified from an initial PubMed search using several combinations of MeSH terms. The search was limited to the RCTs on adults in English-language publications. The dates for search were set between January 1, 1990 and December 31, 2010. RESULTS: In the 1990s, RCTs on statins with an average of more than 500 participants included 18.6% women [95% Confidence Interval (95% C.I.): 16.31%, 21.13%]. By the first decade of the 2000s, women comprised, on average, 31.45% [29.45%, 32.52% (95% C.I.)] of the total cohort of RCTs with more than 500 participants. Regression analysis illustrated a significant increase in the recruitment of women for RCTs of statins (p-value < 0.01). Furthermore, analysis of the average age of participants illustrated a significant trend (p-value = 0.03) towards an increase in the average age of the participants in RCTs on statin between 1990 and 2010: the average age of participants in the 1990s was 58 years [56, 60 (95% C.I.)] and in the 2000s it was 62 years [56, 60 (95% C.I.)]. CONCLUSION: This study demonstrates significant progress in the inclusion of women in RCTs on statins. This finding reflects the efforts of different agencies and groups to increase the representation of women in clinical trials.
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 | 0,431 | 0,689 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,002 |
| Méta-épidémiologie (sens large) | 0,007 | 0,013 |
| Bibliométrie | 0,008 | 0,011 |
| Études des sciences et des technologies | 0,002 | 0,004 |
| Communication savante | 0,006 | 0,010 |
| Science ouverte | 0,003 | 0,004 |
| Intégrité de la recherche | 0,006 | 0,005 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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; 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 ».