Trends in clinical trial investigator workforce and turnover: An analysis of the U.S. FDA 1572 BMIS database
Notice bibliographique
Résumé
BACKGROUND: High turnover rates among clinical trial investigators contribute to inefficiency, instability, and increased costs for the clinical research enterprise; however, factors contributing to investigator turnover have not been well characterized. METHODS: Using information from the U.S. Food and Drug Administration's Bioresearch Monitoring Information System (BMIS), we examined trends in the overall clinical investigator workforce and within specific "phenotypes" as well as differences by investigator location (U.S.-based vs. non-U.S.-based). We identified unique investigators within the database, stratifying them into one of three "phenotypes": those with one Form FDA1572 submission across the study interval ("one-and-done"); those with two or more submissions but with substantial intervals between trials ("stop-and-go"); and those with two or more submissions and continuous involvement in multiple trials ("stayers"). RESULTS: Of the 172,453 unique investigators who submitted a Form FDA 1572 during the study interval (1999-2015), 85,455 were classified as "one-and-done" investigators; 21,768 as "stop-and-go" investigators; and 65,231 as "stayer" investigators. The total number of investigators declined across the study interval. Among all subgroups, only "one-and-done" investigators showed growth across the study period, largely driven by increases in non-U.S.-based investigators. "Stop-and-go" investigators showed declines for both U.S.-based and non-U.S.-based investigators, as did "stayers," who showed the largest absolute and proportional declines of all subgroups. CONCLUSIONS: From 1999 to 2015, investigators submitting a Form FDA 1572 to the BMIS database declined by approximately one-third and the proportion of investigators involved in only one trial increased, signaling potential adverse trends in the clinical investigator workforce. Strategies for sustaining investigator engagement warrant further exploration.
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 | 0,013 | 0,038 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,007 | 0,011 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».