MétaCan
Menu
Retour à la cohorte
Enregistrement W2885324169 · doi:10.1093/annonc/mdy305

Role of industry funders in oncology RCTs published in high-impact journals and its association with trial conclusions and time to publication

2018· article· en· W2885324169 sur OpenAlexfundno aff
Fei Liang, Jun Zhu, M. Mo, Changming Zhou, Huixun Jia, Li Xie, Yanhua Zheng, S. Zhang

Notice bibliographique

RevueAnnals of Oncology · 2018
Typearticle
Langueen
DomainePharmacology, Toxicology and Pharmaceutics
ThématiquePharmaceutical industry and healthcare
Établissements canadiensnon disponible
Organismes subventionnairesUniversity of Toronto
Mots-clésMedicineClinical trialHazard ratioPublication biasOdds ratioLogistic regressionInternal medicineFamily medicineOddsConfidence interval

Résumé

récupéré en direct d'OpenAlex

Background: Previous studies have shown that industry funded trials are associated with pro-industry conclusions and publication bias. Less is known about the role of industry funders and their influence on trial conclusions and time to publication. Methods: We identified all industry funded RCTs published in six high-impact clinical journals between 2014 and 2016 to estimate the prevalence of the role of industry funders in trial design, data collection, data analyses, data interpretation and manuscript writing. Ordinal logistic regression was used to assess the association between the role of industry funders and trial conclusions, which was classified on a five-point scale. Cox proportional-hazards were used to examine the effect of role of funder on time to publication. Results: Of the 255 eligible RCTs, industry funders had a role in trial design in 179 (70.2%) trials, data collection in 160 (62.7%) trials, data analyses in 173 (67.8%) trials, data interpretation in 135 (52.9%) trials and manuscript writing in 168 (65.9%) trials. Trials with any role of industry funders had 3.6 times (95% CI 2.0-6.6) higher odds of having positive conclusions compared with those without role of industry funders. In trials with any role of industry funders, positive trials were published more rapidly than negative trials (hazard ratio = 4.3; 95% CI 2.7-6.7, P < 0.001), while for trials without role of industry funders, there was no association (hazard ratio = 1.07; 95% CI 0.57-1.99, P = 0.84). Conclusion: The involvement of industry funders is common in all stages of clinical trials and was associated with more positive conclusions and more rapid publication of RCTs with positive results.

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)0,350
score de la tête « metaresearch » (Gemma)0,827
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche
Catégories consensuellesMétarecherche
DomaineSignal candidat: Incitatifs · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,650
Score d'incertitude au seuil0,801

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,3500,827
Méta-épidémiologie (sens strict)0,0010,002
Méta-épidémiologie (sens large)0,0030,002
Bibliométrie0,0070,009
Études des sciences et des technologies0,0040,004
Communication savante0,0210,014
Science ouverte0,0040,007
Intégrité de la recherche0,0070,007
Charge utile insuffisante (le modèle a refusé de juger)0,0320,003

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 Opus0,446
Tête enseignante GPT0,597
Écart entre enseignants0,150 · 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
DomaineIncitatifs
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

Citations50
Publié2018
Routes d'admission1
Résumé présentnon

Explorer davantage

Même revueAnnals of OncologyMême sujetPharmaceutical industry and healthcareTravaux en français237 207