Interventions to improve access to clinical trials in urologic oncology
Notice bibliographique
Résumé
INTRODUCTION: Most cancer patients are never enrolled in clinical trials, resulting in missed potential therapeutic benefits to patients and barriers to drug development and approval. With a focus on urologic oncology clinical trials, we reviewed the current literature on barriers to accrual and present effective interventions to overcome these barriers. METHODS: PubMed was searched for articles regarding physician referral and patient accrual to clinical trials in urologic oncology from January 2000 through June 2021. Studies were included if they were in English, related to clinical trial utilization or patient accrual in urologic oncology, peer-reviewed, primary research, survey, or systematic review, and pertained to clinical trials in the U.S. Major overlapping themes related to barriers to accrual and effective interventions were identified. RESULTS: Thirty-six studies met our inclusion criteria. Barriers fall into three categories: 1) provider; 2) patient; or 3) structural. Provider barriers include issues such as poor funding, logistical challenges, and time constraints. Patient barriers include cost, distrust of medical institutions, and lack of knowledge regarding ongoing studies. Structural barriers include lack of time and resources in community settings and difficulty with physician referrals. Effective strategies identified include increasing provider referrals through continuing education and referral pathways, increasing patient education through patient-centered marketing material, and decreasing structural barriers through patient navigation programs and community partnerships. CONCLUSIONS: We identified barriers and potential multipronged strategies targeted at patients, providers, and practices to increase clinical trial enrollment. We hope these strategies will benefit patients and providers and facilitate research development.
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 | 0,118 | 0,381 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,003 |
| Bibliométrie | 0,006 | 0,006 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,005 | 0,012 |
| Science ouverte | 0,003 | 0,008 |
| Intégrité de la recherche | 0,003 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,020 | 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 ».