Plastic Surgery Clinical Trials: A Systematic Review of Characteristics, Research Themes, and Predictors of Publication and Discontinuation
Notice bibliographique
Résumé
Summary: Clinical trials (CTs) are crucial for evidence-based surgical care. Despite growing interest in plastic and reconstructive surgery (PRS) research, the status of PRS CTs remains unknown. We obtained PRS CTs from ClinicalTrials.gov and WHO’s International Clinical Trials Registry Platform (November 2022). Topic modeling identified research themes and machine learning models generated CT-publication pairs. Kaplan-Meier curves visualized CT discontinuation and nonpublication. Of the 4685 PRS CTs identified, 79% were interventional and 81% recruited adults. Most were single-center-led (67%) and academic-funded (77%). Male investigators led 77% of CTs. Female-only patient CTs outnumbered male-only (31% versus 1%). The United States led with 41% of CTs, followed by France, Canada, and China. Industry-funded CTs were higher in the USA, Germany, and Belgium, and academic-funded in France, Canada, and China. PRS CTs clustered into aesthetics (43%), reconstructive (20%), wound healing (8%), peripheral nerve (6%), tumor excision (5%), craniofacial (5%), perioperative pain (5%), and burns (4%). Industry preferred funding aesthetics, whereas academia and industry co-funded wound healing. Publication rates of completed (24%) and terminated (10%) CTs varied by cluster, with perioperative pain CTs exhibiting higher rates. Industry-funded CTs had lower publication rates (hazard ratio: 0.64, 95% confidence interval: 0.5–0.81) and higher discontinuation (hazard ratio: 1.34, confidence interval: 1.06–1.68) driven by sponsors’ decision to terminate prematurely. Global growth in PRS trialome reflects rising interest in evidence-based plastic surgery. Yet, imbalances in participant age, geography, funding source, and trial design influence likelihood of CT discontinuation and publication. Key research gaps include pediatric CTs, accountability in industry-funded research, and multicenter collaborations with underrepresented regions.
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 | 0,151 | 0,452 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,009 | 0,014 |
| Bibliométrie | 0,022 | 0,033 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,006 | 0,006 |
| Science ouverte | 0,003 | 0,003 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».