COVID-19 human challenge trials and randomized controlled trials: lessons for the next pandemic
Notice bibliographique
Résumé
The COVID-19 pandemic touched off an unprecedented search for vaccines and treatments. Without question, the development of vaccines to prevent COVID-19 was an enormous scientific accomplishment. Further, the RECOVERY and Solidarity trials identified effective treatments for COVID-19. But all was not success. The urgent need for COVID-19 prevention and treatment fueled an embrace of risks—to research participants and to the reliability of the science itself—as allegedly necessary costs to speed scientific progress. Scientists and (even) ethicists supported overturning longstanding norms protecting healthy volunteers in human challenge trials to speed vaccine development, but these trials led to no vaccines. Physicians, with the approval of research ethics committees, designed hundreds of unblinded, single-center clinical trials at high risk of bias to speed the identification of new treatments. But these clinical trials led to no treatments. The lesson for future pandemics is that the acceptance of greater risks to participants or science does not reliably lead to progress. We are better served by science that upholds the highest ethical and methodological standards.
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 | 0,559 | 0,738 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,003 |
| Méta-épidémiologie (sens large) | 0,012 | 0,009 |
| Bibliométrie | 0,006 | 0,005 |
| Études des sciences et des technologies | 0,003 | 0,030 |
| Communication savante | 0,015 | 0,030 |
| Science ouverte | 0,009 | 0,008 |
| Intégrité de la recherche | 0,034 | 0,039 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,012 | 0,003 |
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 ».