Informed consent in pragmatic trials: results from a survey of trials published 2014–2019
Notice bibliographique
Résumé
OBJECTIVES: To describe reporting of informed consent in pragmatic trials, justifications for waivers of consent and reporting of alternative approaches to standard written consent. To identify factors associated with (1) not reporting and (2) not obtaining consent. METHODS: Survey of primary trial reports, published 2014-2019, identified using an electronic search filter for pragmatic trials implemented in MEDLINE, and registered in ClinicalTrials.gov. RESULTS: Among 1988 trials, 132 (6.6%) did not include a statement about participant consent, 1691 (85.0%) reported consent had been obtained, 139 (7.0%) reported a waiver and 26 (1.3%) reported consent for one aspect (eg, data collection) but a waiver for another (eg, intervention). Of the 165 trials reporting a waiver, 76 (46.1%) provided a justification. Few (53, 2.9%) explicitly reported use of alternative approaches to consent. In multivariable logistic regression analyses, lower journal impact factor (p=0.001) and cluster randomisation (p<0.0001) were significantly associated with not reporting on consent, while trial recency, cluster randomisation, higher-income country settings, health services research and explicit labelling as pragmatic were significantly associated with not obtaining consent (all p<0.0001). DISCUSSION: Not obtaining consent seems to be increasing and is associated with the use of cluster randomisation and pragmatic aims, but neither cluster randomisation nor pragmatism are currently accepted justifications for waivers of consent. Rather than considering either standard written informed consent or waivers of consent, researchers and research ethics committees could consider alternative consent approaches that may facilitate the conduct of pragmatic trials while preserving patient autonomy and the public's trust in research.
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 | 0,594 | 0,997 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,004 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,004 | 0,022 |
| 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 validéePrédiction automatique; les deux têtes enseignantes 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 ».