P.162 Neurosurgical trialists are not as diverse as the participants they enroll: A systematic sampling review
Notice bibliographique
Résumé
Background: Diversity of healthcare personnel has been associated with improved care of diverse populations. To determine whether neurosurgical clinical trialists were as diverse as the populations they treated, we investigated the sex/gender and race/ethnicity of participants and compared them to authors of randomized controlled trials (RCTs) in neurosurgery, orthopedic surgery, general surgery and plastic surgery. Methods: Embase and MEDLINE were systematically searched from 2001 to 2021. RCTs were limited by impact factor and selected using a series technique. Data on author and trial characteristics were extracted independently and in duplicate, and compared for each speciality. Results: 1548 articles were included. Interim analysis revealed the mean proportion of women authors was lowest in neurosurgery (5%) and highest in plastic surgery (50%). Trialists that were most reflective of their participants sex/gender were general surgery (42% authors vs 46% participants) and plastic surgery (50% authors vs 66% participants). 94% of RCTs did not report participants’ race/ethnicity. No RCTs excluded participants based on sex/gender or race/ethnicity. Conclusions: Compared to other surgical fields, neurosurgery had the poorest correlation of author sex/gender with the population being studied. Efforts are needed to improve the diversity of neurosurgical trialists, access to RCTs for underrepresented groups and standardized reporting of participants’ race/ethnicity.
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 | 0,039 | 0,155 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,006 | 0,005 |
| Bibliométrie | 0,010 | 0,015 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,003 | 0,005 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 0,001 |
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 ».