Involvement of low- and middle-income countries (LMCs) in oncology randomized controlled trials (RCTs).
Notice bibliographique
Résumé
6087 Background: Lower costs and fewer regulatory barriers make clinical trials in LMCs attractive, but little is known about characteristics of such trials and roles of investigators from LMCs. We describe trends in participation of investigators from LMCs in oncology RCTs over a decade. Methods: We used Medline to identify all RCTs published in English between January 1 1998 and December 31 2008 evaluating treatment in five solid tumours (lung, breast, colorectal, stomach, liver) with high mortality in LMCs as per GLOBOCAN 2002. Data on author affiliations and roles (first, middle or corresponding author), trial characteristics, funding and study interventions were abstracted using an electronic form. Countries were stratified into low-, middle- and high-income using World Bank data. Interventions were categorized as requiring basic, limited, enhanced or maximal resources as per the Breast Health Global Initiative classification. Logistic regression identified factors associated with investigator participation from LMCs. Results: 454 trials were identified: lung (n=177), breast (n=165), colorectal (n=82), stomach (n=29), liver (n=7). The annual number of trials published increased from 10 trials in 1998 to 86 in 2008. The proportion of trials with at least one LMC author also increased over time from 20% in 1998 to 29% in 2008 (p=0.01), but almost all LMC authors were from middle-income countries. In 17% of trials involving LMC authors, they were first or corresponding authors. 67% of trials involving LMC investigators evaluated interventions requiring enhanced or maximal resources for implementation. Factors associated with LMC participation included industry funding (OR=3.57, p<0.0001), use of placebo arm (OR=2.59, p=0.02) and metastatic setting (OR=3.87, p=0.0003). Conclusions: An increasing number of oncology RCTs involve LMC investigators primarily in non-leadership roles. These trials are commonly industry-funded and often test interventions that require at least enhanced resources for implementation. To minimize concerns of exploitation and facilitate future collaboration it is crucial that interventions are locally feasible and investigators receive appropriate authorship.
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 | 0,638 | 0,757 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,002 |
| Méta-épidémiologie (sens large) | 0,007 | 0,004 |
| Bibliométrie | 0,015 | 0,023 |
| Études des sciences et des technologies | 0,002 | 0,005 |
| Communication savante | 0,011 | 0,009 |
| Science ouverte | 0,003 | 0,008 |
| Intégrité de la recherche | 0,006 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,015 | 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 ».