Towards Patient-Centered Clinical Trial Designs
Notice bibliographique
Résumé
Rationale, aims and objectives: Evidence shows a trend towards low enrollment in randomized clinical trials (RCTs), which negatively affect validity of conclusions. Low enrollment is associated with different factors, but has recently been attributed to an increasing proportion of patients expressing concerns about randomization. In this paper, we summarize the evidence on reasons for non-enrollment, and we propose preference-based and shared decision-making as alternative methods for allocating patients to treatments in effectiveness and comparative effectiveness trials.Methods: This paper is a narrative review of available literature.Results: Converging findings of quantitative and qualitative studies revealed three interrelated and frequently mentioned reasons for declining enrollment in RCTs: 1) concerns about randomization related to the lack of understanding of equipoise, lack of appreciation of the scientific merits of randomization, and unfavorable perceptions of randomization as not reflecting methods of treatment selection used in practice; 2) preferences for treatments under evaluation, which contribute to unwillingness to be randomized; and 3) desires for involvement in treatment decision-making, which are not respected with randomization.Conclusions: Alternative methods for treatment allocation are needed to make effectiveness and comparative effectiveness trials attractive to patients. Preference-based and shared decision-making are viable methods that respectively represent the informed choice and the collaborative choice styles of treatment selection commonly used in practice. The extent to which these two methods of treatment allocation enhance enrollment should be further investigated.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,031 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,002 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».