Geographic Disparities in Access to Cancer Clinical Trials in Canada
Notice bibliographique
Résumé
OBJECTIVE: This study aims to evaluate geographic disparities in access to cancer clinical trials across Canada. METHODS: Cancer clinical trial data recorded within the clinicaltrials.gov and reporting the conduct of any of these trials in Canada, 2005 to 2023 were reviewed. Frequency analyses of the number of clinical trials that were registered on clinicaltrials.gov for Canada, individual Canadian provinces, main Canadian urban centers, and different cancer types, according to the funding source (industry versus non-industry), as well as according to different periods (using 3-y intervals) were conducted. Moreover, a comparison of cancer clinical trials per 10,000 persons was done between Canada and the United States. RESULTS: The number of cancer clinical trials per 10,000 individuals (according to the 2021 census) in each province/territory varied between 6.79 (New Brunswick) to 0 (the 3 territories). The number of cancer clinical trials in relation to 1000 projected cancer cases for some of the common tumor types in Canada was then reviewed. The highest number was for lymphoma clinical trials (32.85), whereas the lowest number was for bladder cancer clinical trials (7.06). Most of the trials have industry funding (69%). Using 3-year intervals, the highest number of cancer clinical trials was observed from 2014 to 2016 (778 trials), and the lowest number was observed from 2020 to 2022 (633 trials). CONCLUSIONS: Access to clinical trials in Canada is not equitably distributed, with geographical and primary tumor site disparities. Moreover, access to cancer clinical trials has been negatively impacted during the time of the COVID-19 pandemic.
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 | 0,003 | 0,017 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,003 | 0,007 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».