Impact of the COVID-19 Pandemic on Non-COVID-19 Clinical Trials
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Randomized controlled trials (RCT) were impacted by the COVID-19 pandemic, but no systematic analysis has evaluated the overall impact of COVID-19 on non-COVID-19-related RCTs. The ClinicalTrials.gov database was queried in February 2020. Eligible studies included all randomized trials with a start date after 1 January 2010 and were active during the period from 1 January 2015 to 31 December 2020. The effect of the pandemic period on non-COVID-19 trials was determined by piece-wise regression models using 11 March 2020 as the start of the pandemic and by time series analysis (models fitted using 2015–2018 data and forecasted for 2019–2020). The study endpoints were early trial stoppage, normal trial completion, and trial activation. There were 161,377 non-COVID-19 trials analyzed. The number of active trials increased annually through 2019 but decreased in 2020. According to the piece-wise regression models, trial completion was not affected by the pandemic (p = 0.56) whereas trial stoppage increased (p = 0.001). There was a pronounced decrease in trial activation early during the pandemic (p < 0.001) which then recovered. The findings from the time series models were consistent comparing forecasted and observed results (trial completion p = 0.22; trial stoppage p < 0.01; trial activation, p = 0.01). During the pandemic, there was an increase in non-COVID-19 RCTs stoppage without changes in RCT completion. There was a sharp decline in new RCTs at the beginning of the pandemic, which later recovered.
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.
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 | 0,111 | 0,039 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| 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 découle