Barriers to Conducting Cancer Trials in CanadA: An Analysis of Key Informant Interviews
Notice bibliographique
Résumé
Background: In Canada, there is growing evidence that oncology clinical trials units (ctus) and programs face serious financial challenges. Investment in cancer research in Canada has declined almost 20% in the 5 years since its peak in 2011, and the costs of conducting leading-edge trials are rising. Clinical trials units must therefore be strategic about which studies they open. We interviewed Canadian health care professionals responsible for running cancer trials programs to identify the barriers to sustainability that they face. Methods: One-on-one telephone interviews were conducted with clinicians and clinical research professionals at oncology ctus in Canada. We asked for their perspectives about the barriers to conducting trials at their institutions, in their provinces, and nationwide. Interviews were digitally recorded, transcribed, anonymized, and coded in the NVivo software application (version 11: QSR International, Melbourne, Australia). The initial coding structure was informed by the interview script, with new concepts drawn out and coded during analysis, using a constant comparative approach. Results: Between June 2017 and November 2018, 25 interviews were conducted. Key barriers that participants identified were■ insufficient stable funding to support trials infrastructure and retain staff;■ the need to adopt strict cost-recovery policies, leading to fewer academic trials in portfolios; and■ an overreliance on industry to fund clinical research in Canada. Conclusions: Funding uncertainties have led ctus to increasingly rely on industry sponsorship and more stringent feasibility thresholds to remain solvent. Retaining skilled trials staff can create efficiencies in opening and running studies, with spillover effects of more trials being open to patients. More academic studies are needed to curb industry's influence.
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
Étiquettes directes de modèles (non validées)
Étiquettes de catégorie et de devis d'étude par modèle, issues des rondes d'étiquetage. C'est une sortie machine, non validée, et le désaccord entre modèles est livré comme donnée. Aucun devis ici n'est encore validé contre MEDLINE.
| Bras | Catégories | Devis d'étude | Confiance |
|---|---|---|---|
| gemma | Métarecherche Domaine: Méthodes · Genre: Empirique Porte sur le système de recherche canadien: oui · Porte sur un sujet canadien: oui | Qualitatif | high |
| gpt | Métarecherche Domaine: Méthodes · Genre: Empirique Porte sur le système de recherche canadien: oui · Porte sur un sujet canadien: oui | Qualitatif | low |
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 | 0,040 | 0,085 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,002 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,005 | 0,010 |
| Études des sciences et des technologies | 0,023 | 0,009 |
| Communication savante | 0,007 | 0,003 |
| Science ouverte | 0,004 | 0,008 |
| Intégrité de la recherche | 0,003 | 0,005 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 validéeÉtiqueté directement par 2 modèles lisant le dossier complet.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».