Relationships Between Authorship Contributions and Authors' Industry Financial Ties Among Oncology Clinical Trials
Notice bibliographique
Résumé
PURPOSE To test the hypothesis that authors who play key scientific roles in oncology clinical trials, and who therefore have increased influence over the design, analysis, interpretation or reporting of trials, are more likely than those who do not play such roles to have financial ties to industry. METHODS Data were abstracted from all trials (n = 235) of drugs or biologic agents published in the Journal of Clinical Oncology between January 1, 2006 and June 30, 2007. Article-level data included sponsorship, age group (adult v pediatric), phase, single versus multicenter, country (United States v other), and number of authors. Author-level data (n = 2,927) included financial ties (eg, employment, consulting) and performance of key scientific roles (ie, conception/design, analysis/interpretation, or manuscript writing). Associations between performance of key roles and financial ties, adjusting for article-level covariates, were examined using generalized linear mixed models. Results One thousand eight hundred eighty-one authors (64%) reported performing at least one key role, and 842 authors (29%) reported at least one financial tie. Authors who reported performing a key role were more likely than other authors to report financial ties to industry (adjusted odds ratio [OR], 4.3; 99% CI, 3.0 to 6.0; P < .0001). The association was stronger among trials with, compared with those without, industry funding (OR, 5.0 [99% CI, 3.4 to 7.5] v OR, 2.5 [99% CI, 1.3 to 4.8]), but was present regardless of sponsorship. CONCLUSION Authors who perform key roles in the conception and design, analysis, and interpretation, or reporting of oncology clinical trials are more likely than authors who do not perform such roles to have financial ties to industry.
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
Étiquettes directes de modèles (non validées)
Étiquettes de catégorie et de devis d'étude par modèle, issues des rondes d'étiquetage. C'est une sortie machine, non validée, et le désaccord entre modèles est livré comme donnée. Aucun devis ici n'est encore validé contre MEDLINE.
| Bras | Catégories | Devis d'étude | Confiance |
|---|---|---|---|
| gemma | MétarechercheIntégrité de la recherche Domaine: Incitatifs · Genre: Empirique Porte sur le système de recherche canadien: non · Porte sur un sujet canadien: non | Observationnel | high |
| gpt | MétarechercheIntégrité de la recherche Domaine: Méthodes · Genre: Empirique Porte sur le système de recherche canadien: non · Porte sur un sujet canadien: non | Observationnel | high |
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 | 0,116 | 0,574 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,005 | 0,008 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,004 | 0,004 |
| Science ouverte | 0,002 | 0,004 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,001 |
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 validéeÉtiqueté directement par 2 modèles lisant le dossier complet.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».