Racial and ethnic diversity in global neuroscience clinical trials
Notice bibliographique
Résumé
Background: Despite efforts to increase diversity in neuroscience trials, racial and ethnic minority groups remain underrepresented. Disparities in clinical trial participation could reflect unequal opportunities to participate and may contribute to decreased generalizability of findings and failure to identify important differences in efficacy and safety outcomes. Methods: We retrospectively reviewed the F. Hoffmann-La Roche database for global, multicenter, neuroscience clinical trials from February 2016 to February 2021 and summarized and stratified race and ethnicity distributions by clinical trial therapeutic area and by country. These data were then compared to national population data for each study's targeted age group (available for studies conducted in the US, Canada, and the UK). The underrepresentation or overrepresentation of each racial and ethnic group was summarized. Results: The analysis population included 8015 participants from 47 countries. Globally, 85.6 % of participants were White, 7.1 % were Asian, 1.6 % were Black, 1.3 % were American Indian or Alaska Native, less than 0.1 % were Native Hawaiian or other Pacific Islander, 0.7 % were of multiple races, and 3.6 % were of other/unknown race. White individuals predominated in all but one trial. Black individuals were underrepresented in all trials but one. Asian individuals were overrepresented in approximately 20 % of trials. In the US, 7.3 % of participants were of Hispanic or Latino ethnicity vs 16.4 % of the US population. Conclusion: The findings and learnings from this summary and analysis demonstrate the need for continued awareness and new approaches in designing studies that reflect population diversity.
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 | 0,115 | 0,205 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,005 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».