MétaCan
Menu
Retour à la cohorte
Enregistrement W2113292183 · doi:10.1186/s12992-014-0083-7

Involvement of low- and middle-income countries in randomized controlled trial publications in oncology

2014· article· en· W2113292183 sur OpenAlexaff
Janice Wong, Kimberly A. Fernandes, Zarnie Lwin, Monika K. Krzyzanowska

Notice bibliographique

RevueGlobalization and Health · 2014
Typearticle
Langueen
DomaineMedicine
ThématiqueEthics in Clinical Research
Établissements canadiensPrincess Margaret Cancer CentreCanada Research ChairsInstitute for Clinical Evaluative Sciences
Organismes subventionnairesnon disponible
Mots-clésPsychological interventionMedicineRandomized controlled trialFamily medicineInternal medicineMEDLINEHealth services researchOncologyNursingPublic healthPolitical science

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: We describe trends in participation by investigators from low- and middle-income countries (LMCs) in publications describing oncology randomized control trials (RCTs) over a decade. METHODS: We used Medline to identify RCTs published in English from 1998 to 2008 evaluating treatment in lung, breast, colorectal, stomach and liver cancers. Data on author affiliations, authorship roles, trial characteristics, funding and interventions were extracted from each article. Countries were stratified as low-, middle- or high-income using World Bank data. Interventions were categorized as requiring basic, limited, enhanced or maximal resources as per the Breast Health Global Initiative classification. Logistic regression was used to identify factors associated with authorship by investigators from LMCs. RESULTS: 454 publications were identified. Proportion of articles with at least one LMC author increased over time from 20% in 1998 to 29% in 2008 (p = 0.01), but almost all LMC authors were from middle-income countries. Proportion of articles with at least one LMC author was higher among articles that explicitly reported recruitment in at least one LMC vs those that did not (76% vs 13%). Among 87 articles (19%) that involved authors from LMCs, 17% had LMC authors as first or corresponding authors, and 67% evaluated interventions requiring enhanced or maximal resources. Factors associated with LMC authorship included industry funding (OR = 3.54, p = 0.0001), placebo comparator arm (OR = 2.57, p = 0.02) and palliative intent treatment (OR = 4.00, p = 0.0003). CONCLUSION: An increasing number of publications describing oncology RCTs involve authors from LMC countries but primarily in non-leadership roles in industry-funded 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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,238
score de la tête « metaresearch » (Gemma)0,451
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche, Bibliométrie
Catégories consensuellesMétarecherche
DomaineSignal candidat: Évaluation · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,955
Score d'incertitude au seuil0,939

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,2380,451
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0030,003
Bibliométrie0,0450,048
Études des sciences et des technologies0,0020,003
Communication savante0,0110,007
Science ouverte0,0030,010
Intégrité de la recherche0,0020,001
Charge utile insuffisante (le modèle a refusé de juger)0,0090,001

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.

Tête enseignante Opus0,231
Tête enseignante GPT0,537
Écart entre enseignants0,306 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; l’étiquette directe de Gemma et le classifieur distillé Codex s’accordent sur ce qui est montré ici.

Devis d'étudeObservationnel
DomaineÉvaluation
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations16
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueGlobalization and HealthMême sujetEthics in Clinical ResearchTravaux en français237 207