Barriers to participation in HIV vaccine trials and cancer trials: a cost-gain analysis
Notice bibliographique
Résumé
Previous studies examining barriers and willingness to participate in HIV vaccine trials have demonstrated the role of factors identified by the Health Belief Model. Barriers to cancer trials can also be understood in terms of a theoretical framework consisting of the locus of the barrier (personal vs. social) and the nature of the barrier (risk vs. cost). In this systematic review of review articles, we extend this framework to another life-threatening disease, cancer. The purpose is to improve conceptual clarity about volunteering in clinical trials by comparing and contrasting barriers in these two areas. In 2012, two people independently searched the Cochrane Database for Systematic Reviews, Pubmed, Embase, and Google Scholar to identify review articles examining cancer trial barriers to participation. Search terms used were: “cancer”, “oncology”, “cancer trials”, “oncology trials”, “clinical trials”, “medical research”, “willingness to participate”, “barriers”. Review articles were also retrieved from our search examining motivators to participation in cancer research and from bibliographic references. We retrieved 19 review articles from 2000-2012 examining barriers to participation in cancer trials. “Reduced quality of life” / “distrust of institutions” / “loss of control” were personal risks (PR). “Perceptions of the provider” / “subjective norms” were social risks (SR). “Side effects” / “experimental nature of the trial” were personal costs (PC). Misconceptions included “confidentiality concerns”. Consistent with HIV vaccine trials, most barriers with regards to cancer trials were related to PR and PC. More misconceptions were identified in HIV vaccine preparedness studies (VPS). Personal risk, PC, and SR barriers were similar to those identified in HIV VPS, but more misconceptions were identified in the latter. Understanding barriers can result in better recommendations on how to overcome these barriers. A limitation is that cancer populations are different than those affected by HIV.
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 | 0,145 | 0,489 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,008 | 0,022 |
| Bibliométrie | 0,013 | 0,023 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,005 | 0,007 |
| Science ouverte | 0,003 | 0,006 |
| Intégrité de la recherche | 0,003 | 0,005 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,011 | 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 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 ».