Representation of sex, race, and ethnicity in pivotal clinical trials for dermatological drugs
Notice bibliographique
Résumé
It is of paramount importance that clinical trials are designed with adequate health equity considerations to prevent disproportionate analyses of specific demographics. In this study, we investigated the representation of sex, race, and ethnicity in pivotal clinical trials for drugs with dermatological disease indications approved by the U.S. Food and Drug Administration between 1995 and 2019. Thirty-six novel drugs with indications to treat dermatological diseases, approved by the U.S. Food and Drug Administration between January 1995 and December 2019 were abstracted from [email protected] The drug approval label, statistical review, official record, and trial publication were reviewed for data on disease indication, approval year, pathway, number of participants, participant demographics (sex, race, and ethnicity), location, and sponsor type. The overall female representation was 45.6% (n = 17,492 of 38,320). Adequate female representation was noted for five of six disease indications. Caucasians were predominantly overrepresented (80.4%; n = 28,065 of 34,890); Blacks (9.8%; n = 3242 of 33,240) and Asians (5.5%; n = 1535 of 27,696) were consistently underrepresented. Across sponsor types, there was a significant difference in the distribution of women (χ2 = 6.332; p = .042), as well as Caucasians (χ2 = 12.813; p = .002), Blacks (χ2 = 13.002; p = .002), and Hispanics/Latinos (χ2 = 7.747; p = .021). Persistence of disparities disproportionately affect the quality of data behind therapies for certain demographics; as such, enrollment practices must continue to address the issue of underrepresentation. Efforts to facilitate demographic equity among clinical trial participants must be supported to ensure that safety and efficacy conclusions are drawn from representative population samples.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».