Comparing the clinical trial characteristics of industry–funded trials and non– industry–funded trials
Notice bibliographique
Résumé
Importance: In randomized controlled trials (RCTs), small sample size and lack of blinding can cause biased and spurious results. Whether and how study characteristics differ based on a trial's funder is an important area to study. Objective: To compare study characteristics of RCTs funded by industry with study characteristics of RCTs not funded by industry. Design, Setting and Participants: We systematically reviewed all RCTs published between 2015 and 2019 in the New England Journal of Medicine (NEJM), Lancet, and Journal of the American Medical Association (JAMA). Our primary data sources were ClinicalTrials.gov and MEDLINE. Data extraction included manual review and use of natural language processing. Main Outcomes and Measures: We compared the rate of blinding, use of placebo, and sample size. We used natural language processing to analyze the sentiment of the study's conclusion as reported in the abstract. As proxies for knowledge dissemination, we calculated the AltMetric scores and number of times the article was cited (citation count). Results: We identified 1533 RCTs published by NEJM, Lancet, and JAMA between 2015 and 2019. Of these RCTs, 697 were funded by industry. Trials funded by industry were more likely to be blinded (n=378, 54% vs n=318, 38%), more likely to include a placebo (n=317, 45% vs n=196, 23%), more likely to post their results on ClinicalTrials.gov (78%, 443 of 570 vs 41%, 207 of 501) compared to trials that were not industry funded. Industry–funded RCTs had a smaller sample size than non–industry–funded RCTs (median=557 [IQR: 230, 1369] vs 648 [IQR: 301, 1916], P<0.01). Trials funded by industry had more citations than non–industry–funded trials (285 vs 145, p < 0.01), while per–manuscript Almetric scores were similar between both groups (229 vs 226, p=0.2). Conclusions and Relevance: These data highlight important variability in key metrics of trial quality and call attention to specific areas of improvement, especially for non–industry–funded trials.
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 | 0,609 | 0,870 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,007 | 0,013 |
| Bibliométrie | 0,019 | 0,021 |
| Études des sciences et des technologies | 0,002 | 0,006 |
| Communication savante | 0,007 | 0,010 |
| Science ouverte | 0,003 | 0,005 |
| Intégrité de la recherche | 0,006 | 0,005 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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; l’étiquette directe de Gemma et le classifieur distillé Codex s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».