How COVID-19 has fundamentally changed clinical research in global health
Notice bibliographique
Résumé
COVID-19 has had negative repercussions on the entire global population. Despite there being a common goal that should have unified resources and efforts, there have been an overwhelmingly large number of clinical trials that have been registered that are of questionable methodological quality. As the final paper of this Series, we discuss how the medical research community has responded to COVID-19. We recognise the incredible pressure that this pandemic has put on researchers, regulators, and policy makers, all of whom were doing their best to move quickly but safely in a time of tremendous uncertainty. However, the research community's response to the COVID-19 pandemic has prominently highlighted many fundamental issues that exist in clinical trial research under the current system and its incentive structures. The COVID-19 pandemic has not only re-emphasised the importance of well designed randomised clinical trials but also highlighted the need for large-scale clinical trials structured according to a master protocol in a coordinated and collaborative manner. There is also a need for structures and incentives to enable faster data sharing of anonymised datasets, and a need to provide similar opportunities to those in high-income countries for clinical trial research in low-resource regions where clinical trial research receives considerably less research funding.
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 | 0,041 | 0,067 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,004 |
| Bibliométrie | 0,004 | 0,006 |
| Études des sciences et des technologies | 0,001 | 0,006 |
| Communication savante | 0,009 | 0,013 |
| Science ouverte | 0,003 | 0,006 |
| Intégrité de la recherche | 0,010 | 0,017 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 0,003 |
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 ».