Exploring reasons for recruitment failure in clinical trials: a qualitative study with clinical trial stakeholders in Switzerland, Germany, and Canada
Notice bibliographique
Résumé
BACKGROUND: Poor participant recruitment is the most frequent reason for premature discontinuation of randomized clinical trials (RCTs), particularly if they are investigator-initiated. The aims of this qualitative study were to investigate (1) the views of clinical trial stakeholders from three different countries regarding reasons for recruitment failure in RCTs and (2) how these compare and contrast with the causes identified in a previous systematic review of RCT publications. METHODS: From August 2015 to November 2016, we conducted 49 semi-structured interviews with a purposive sample of clinical trial stakeholders. This included investigators based in Germany (n = 9), Switzerland (n = 6) and Canada (n = 1) with personal experience of a discontinued RCT and 33 other stakeholders (e.g., representatives of ethics committees, clinical trial units, pharmaceutical industry) in Switzerland. Individual semi-structured qualitative interviews were conducted and analyzed using thematic analysis. RESULTS: Interviewees identified a total of 29 different reasons for recruitment failure. Overoptimistic recruitment estimates, too narrow eligibility criteria, lack of engagement of recruiters/trial team, lack of competence/training/experience of recruiters, insufficient initial funding, and high burden for trial participants were mentioned most frequently. The interview findings largely confirm the previous systematic review on published reasons for recruitment failure. However, eight new reasons for recruitment failure were identified in the interviews, which led to the checklist of reasons for recruitment failure being revised and a new category describing research environment-related factors being added. CONCLUSIONS: This study highlights the diversity of often interlinked reasons for recruitment failure in RCTs. Integrating the findings of this interview study with a previous systematic review of RCT publications led to a comprehensive, structured checklist of empirically-informed reasons for recruitment failure. The checklist may be useful to guide further research on interventions to improve participant recruitment in RCTs and helpful for trial investigators, research ethics committees, and funding agencies when assessing trial feasibility with respect to recruitment.
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 | 0,045 | 0,068 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,017 | 0,014 |
| Communication savante | 0,005 | 0,004 |
| Science ouverte | 0,002 | 0,006 |
| Intégrité de la recherche | 0,003 | 0,004 |
| 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; 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 ».