Evolution of Age and Female Representation in the Most-Cited Randomized Controlled Trials of Cardiology of the Last 20 Years
Notice bibliographique
Résumé
BACKGROUND: Older adults and women have historically been underrepresented in randomized controlled trials of cardiology. Recent temporal evolution and factors influencing representation are incompletely investigated. We aimed to contrast age and female representation in the most influential randomized controlled trials in cardiology of the last 20 years to population prevalence and to assess the study factors affecting representation. METHODS AND RESULTS: Using Web of Science, we selected the 25 most-cited cardiology articles each year between 1996 and 2015, and extracted mean age, percentage of women, funding source, sample size, disease condition, intervention type, and exclusion criteria. The outcomes were the evolution of the mean age and the percentage of women over time. Protocol design elements and year of publication were assessed as predictors of outcomes in multivariable regressions. A total of 500 studies were analyzed, where the mean age was 62.6±7.4 years and the median percentage of women was 28.6% (22.2-40.5). Compared with population prevalence derived from National Health and Nutrition Examination Survey 2015-2016, gaps in representation were apparent and more pronounced for coronary artery disease (-5.0 years; -27.2% women) and heart failure (-6.0 years; -25.4% women). The mean age (0.15 year per year; 95% confidence interval, 0.04-0.26) and percentage of women (+0.29% per year; 95% confidence interval, 0.07-0.50), slightly but significantly increased over time. Private funding, small sample size, and exclusions pertaining to maximal age, atrial fibrillation, and diabetes mellitus were associated with a decreased mean age in multivariable linear regressions. Age and life expectancy exclusions were associated with lower female percentage. CONCLUSIONS: Although age and female representation increased over time, the modest trends are unlikely to resolve the persistently wide gaps with actual populational prevalence, especially for coronary artery disease and HF. Representation is modulated by the cardiovascular condition studied and some modifiable protocol elements.
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 | 0,015 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,003 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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 ».