Using evidence when planning for trial recruitment: An international perspective from time-poor trialists
Notice bibliographique
Résumé
INTRODUCTION: Recruiting participants to trials is challenging. To date, research has focussed on improving recruitment once the trial is underway, rather than planning strategies to support it, e.g. developing trial information leaflets together with people like those to be recruited. We explored whether people involved with participant recruitment have explicit planning strategies; if so, how these are developed, and if not, what prevents effective planning. METHODS: Design: Individual qualitative semi-structured interviews. Data were analysed using a Framework approach, and themes linked through comparison of data within and across stakeholder groups. Participants: 23 international trialists (UK, Canada, South Africa, Italy, the Netherlands); 11 self-identifying as 'Designers'; those who design recruitment methods, and 12 self-identifying as 'Recruiters'; those who recruit participants. Interviewees' had recruitment experience spanning diverse interventions and clinical areas. Setting: Primary, secondary and tertiary-care sites involved in trials, academic institutions, and contract research organisations supporting pharmaceutical companies. RESULTS: To varying degrees, respondents had prospective strategies for recruitment. These were seldom based on rigorous evidence. When describing their recruitment planning experiences, interviewees identified a range of influences that they believe impacted success: The timing of recruitment strategy development relative to the trial start date, and who is responsible for recruitment planning.The methods used to develop trialists' recruitment strategy design and implementation skills, and when these skills are gained (i.e. before the trial or throughout).The perceived barriers and facilitators to successful recruitment planning; and how trialists modify practice when recruitment is poor. CONCLUSIONS: Respondents from all countries considered limited time and disproportionate approvals processes as major challenges to recruitment planning. Poor planning is a mistake that trialists live with throughout the trial. The experiences of our participants suggest that effective recruitment requires strategies to increase the time for trial planning, as well as access to easily implementable evidence-based strategies.
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 | 0,478 | 0,435 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,003 |
| Méta-épidémiologie (sens large) | 0,003 | 0,002 |
| Bibliométrie | 0,005 | 0,005 |
| Études des sciences et des technologies | 0,024 | 0,061 |
| Communication savante | 0,044 | 0,044 |
| Science ouverte | 0,008 | 0,042 |
| Intégrité de la recherche | 0,026 | 0,050 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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; 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 ».