A Systematic Review of Sex-Specific Reporting in Heart Failure 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
Females are historically underenrolled in heart failure (HF) randomized controlled trials (RCTs) relative to disease prevalence. Sex differences in trial flow, including withdrawals and losses to follow up, may further limit the generalizability of results. This study aimed to assess the frequency of sex-specific reporting of trial flow, treatment efficacy, and adverse events in HF RCTs. We systematically searched MEDLINE, Embase, and CINAHL for HF RCTs published between 2000 and 2020 in journals with an impact factor ≥10. We assessed whether trial flow, treatment effect, and adverse events were disaggregated by sex. We used multivariable regression to assess associations between trial characteristics and sex subgroup analysis. We analyzed temporal trends in sex-specific reporting. We included 224 RCTs with 228,801 total participants (28.2% female). No RCT reported sex-disaggregated screening, consent, or withdrawal rates; and 2 (0.9%) reported sex-disaggregated losses to follow-up. Seventy-five RCTs (33.4%) presented sex subgroup analysis, and 63 (28.3%) reported sex-treatment interaction. No RCT reported sex-specific adverse events. Large trial size (odds ratio: 13.16, 95% CI: 5.67-30.52; P < 0.001) and device/procedure interventions (odds ratio: 5.13, 95% CI: 1.55-16.95; P < 0.007) were independently associated with sex subgroup analysis. Over the study period, there was an increase in sex subgroup analysis (P < 0.001) and testing for sex-treatment interaction (P < 0.001). HF RCTs rarely reported sex differences in trial flow or adverse events and uncommonly performed sex subgroup analysis. Improved sex-disaggregated reporting could highlight the causes and extent of sex differences in trial participation and facilitate appropriate inferences about treatment effect.
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 | 0,036 | 0,040 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,015 | 0,002 |
| Bibliométrie | 0,000 | 0,001 |
| 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 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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