Enhancing Participation of Older Women in Surgical Trials
Notice bibliographique
Résumé
BACKGROUND: Older participants are often excluded from clinical trials, precluding a representative sample. STUDY DESIGN: Using qualitative and quantitative methods, we examined recruitment and retention of older women with pelvic organ prolapse in two surgical trials: the randomized Colpopexy And Urinary Reduction Efforts (CARE) study and the Longitudinal Pelvic Symptoms and Patient Satisfaction After Colpocleisis cohort study. Using focus groups, we developed a questionnaire addressing factors facilitating and impeding the recruitment and retention of older study participants and administered it to research staff. Enrollment-to-surgery ratios, missed visit rates, and dropout rates for older and younger participants were compared using Fisher's exact test, with cut-points of 70 and 80 years for the CARE and Colpocleisis studies, respectively. RESULTS: Questionnaires were completed by 23 physician investigators and 11 nurses or coordinators (92% response rate). Respondents indicated it was more difficult to recruit older research participants (32%), obtain informed consent (56%), and retain participants to study completion (50%). Challenges to recruitment included caregiver involvement in the decision to participate and participant comorbidities. Perceived barriers to retention were transportation, caregiver availability, and participant fatigue. Data quality was challenged by sensory and cognitive impairment, resulting in a change from telephone interviews to in-person visits in the Colpocleisis study. Older participants did not have higher dropout rates than younger participants. There were no differences in missed in-person visits or telephone interview rates between age groups. CONCLUSIONS: Strategies, albeit unstudied, could assist investigators in planning surgical trials that successfully enroll and retain older women.
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 | 0,365 | 0,421 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,003 | 0,002 |
| Études des sciences et des technologies | 0,004 | 0,004 |
| Communication savante | 0,005 | 0,006 |
| Science ouverte | 0,003 | 0,010 |
| Intégrité de la recherche | 0,004 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 0,002 |
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; l’étiquette directe de Gemma et le classifieur distillé Codex 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 ».