Temporal Trends of Enrollment by Sex and Race in Major Cardiovascular Randomized Clinical Trials
Notice bibliographique
Résumé
BackgroundWomen and racialized minorities continue to be underrepresented in cardiovascular trial outcomes data, despite comprising a significant global burden of cardiovascular disease (CVD). This study evaluated the impact of trial characteristics on the temporal enrollment of women and racialized minorities in prominent cardiovascular trials published between 1986-2023.MethodsMEDLINE was searched for cardiovascular trials published in the Lancet, Journal of the American Medical Association, and the New England Journal of Medicine. Participant and investigator demographics, types of interventions, clinical indications, and funding sources were compared according to the enrollment of women or racialized minorities.ResultsFrom 799 studies, including 4,071,921 patients, the enrollment of women and racialized minorities significantly increased from 1986-2023 (both P = < 0.001). Although the enrollment of women varied by trial indication, comprising 25.0% of coronary artery disease (CAD), 35.2% of non-coronary/vascular, 13.8% of heart failure (HF), 17.0% of arrhythmia and 28.7% of other cardiovascular trials (P = < 0.001), it did not differ by peer-reviewed vs industry funding. First authors who were women were more likely to enroll significantly more women than first authors who were men (P = 0.01). Racialized enrollment increased significantly from 1986-2023 (P = < 0.001).ConclusionsActive efforts to increase diverse enrolment, along with improved reporting, including sex and race, in future cardiovascular trials may increase the generalizability of their findings and applicability to global populations.
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 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 | 0,031 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,003 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».