Abstract 10887: The Under-Representation of Blacks, Females and Elderly in Randomized Controlled Trials of Heart Failure with Preserved Ejection Fraction: Meta-Analyses of Randomized Controlled Trials and Observational Studies
Notice bibliographique
Résumé
Introduction: Heart failure with preserved ejection fraction (HFpEF) is particularly prevalent in Blacks, women and elderly. Paradoxically, these patients are generally under-represented in randomized controlled trials (RCTs). We aim to compare the representation of Blacks, females and elderly in RCTs and observational studies of HFpEF therapies. Our secondary objective was to evaluate the secular trends of enrollment of these populations in the RCTs of HFpEF. Methods: We conducted a comprehensive database search of PubMed and EMBASE to identify HFpEF RCTs and HFpEF observational studies. Two independent readers extracted data on the proportions of Blacks, females and the mean age of patients enrolled in these studies. We compared the weighted means of age, proportions of blacks and proportions of females in the RCTs to those of observational studies. We divided the RCTs in three groups (enrollment prior to 2010, 2010-2015 and 2015 to 2020). Finally, we ascertained the secular trend of enrollment of Blacks, females and mean age of patients in the RCTs. Results: Our search yielded 17 RCTs and 9 observational studies. The trials included a total of 19,432 patients. There were marked under-enrollment of Blacks and females in the RCTs compared to the observational studies (Table 1). Furthermore, the weighted mean age of patients with HFpEF was also lower than that in the observational studies. From 1997-2020, the enrollment of females and elderly have increased, however, the enrollment of Blacks remained low in the RCTs of HFpEF. Conclusions: Blacks, women and elderly remain underrepresented in RCTs of HFpEF. Future RCTs of HFpEF should aim to enroll more Blacks, females and elderly so that the benefits of novel therapies can be validated in these special populations with high prevalence of HFpEF.
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 | 0,085 | 0,208 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,017 | 0,027 |
| Bibliométrie | 0,010 | 0,012 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,005 | 0,003 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,003 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».