Pediatric Oncology Clinical Trials and Collaborative Research in Africa: Current Landscape and Future Perspectives
Notice bibliographique
Résumé
PURPOSE: Adequate clinical services have yet to be established in the majority of African countries, where childhood cancer survival rates vary from 8.1% to 30.3%. The aim of this review is to describe the landscape of pediatric oncology trials in Africa, identify challenges, and offer future opportunities for research collaborations. METHODS: The study includes data from the International Pediatric Oncology Society (SIOP) global mapping survey, meta-research identifying trials in Africa in ClinicalTrials.gov, and a literature overview of publications on the subject of pediatric oncology clinical research supported by expert opinions on the current situation and challenges. RESULTS: The SIOP global mapping survey received responses from 47 of 54 African countries, of which 23 have active clinical research programs. A preliminary search of ClinicalTrials.gov showed that only 105 (12.1%) of 868 African oncology studies included children and adolescents. Of these, 53 (50.5%) were interventional trials according to the registry's classification. The small number of African trials for children and adolescents included palliative care and leukemia trials. In African oncology journals and international pediatric oncology journals, < 1% of the pediatric oncology publications come from Africa. Services and research were strengthened by international collaboration. National studies focused on clinical needs, local challenges, or interventional priorities. Both the literature review and the expert opinions highlight the need to expand clinical research in Africa, despite ongoing regional instability and lack of resources. CONCLUSION: While a low number of pediatric clinical treatment trials are open to African children and adolescents, clinical research of high quality is being done in Africa. Several initiatives are stimulating the development of the research capacity across the continent, which should increase the publication output.
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 | 0,187 | 0,232 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,004 | 0,003 |
| Bibliométrie | 0,009 | 0,016 |
| Études des sciences et des technologies | 0,004 | 0,011 |
| Communication savante | 0,018 | 0,025 |
| Science ouverte | 0,004 | 0,014 |
| Intégrité de la recherche | 0,010 | 0,009 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,010 | 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 ».