Factors Influencing the Enrollment of Eligible Individuals in Orthopedic Randomized Controlled Trials
Notice bibliographique
Résumé
Purpose: Low rates of subject enrollment are a threat to the external validity of clinical trials, which are necessary to confirm or contradict basic assumptions about clinical management. Our goal was to examine the association of subject enrollment rates in orthopedic randomized controlled trials (RCTs) with characteristics of the interventions being studied, the investigators of the studies, and the publications in which the RCTs are reported.\nMethods: We performed a search in PubMed/MEDLINE for RCTs involving an orthopedic surgical procedure, comparing different intraoperative interventions, published in English in a peer-reviewed journal during 2003 to 2014, and reporting both the numbers of enrolled and eligible subjects. The primary outcome variable was the enrollment rate, calculated as the number of enrolled subjects divided by the number of eligible subjects. We collected and analyzed data from papers meeting inclusion criteria.\nResults: The average enrollment rate across all 393 studies meeting inclusion criteria was 84.5% (standard deviation (SD) 16.6%). Trials in the United States and Canada had significantly lower enrollment rates when compared to trials in the rest of the world (72.9% vs. 87.6%, p<0.0001), and trials comparing an operative arm to a non-operative arm had significantly lower enrollment rates than trials comparing two different operative arms (73.1% vs. 86.3%, p<0.0001). The national differences were observed primarily in trials comparing operative and non-operative interventions, in which the average North American enrollment rate was 47.9% (SD 25.9%) and the average enrollment rate elsewhere was 81.1% (SD 15.8%).\nConclusions: Trials may have variable rates of success recruiting subjects depending on their location and the difference between the interventions being studied, with North American trials and trials comparing operative and non-operative interventions having lower enrollment rates.
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 | 0,735 | 0,828 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,002 |
| Méta-épidémiologie (sens large) | 0,008 | 0,010 |
| Bibliométrie | 0,009 | 0,012 |
| Études des sciences et des technologies | 0,002 | 0,008 |
| Communication savante | 0,009 | 0,012 |
| Science ouverte | 0,005 | 0,006 |
| Intégrité de la recherche | 0,007 | 0,005 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 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 ».