Diversity in enrollment to clinical trials for cataract medicine and surgery: meta-analysis
Notice bibliographique
Résumé
PURPOSE: To investigate sex, racial, and ethnic disparities in patient enrollment across cataract trials registered in the United States. SETTING: Participants enrolled in high-quality (reduced risk of bias), U.S.-registered (on ClinicalTrials.gov ), cataract-related randomized controlled trials (RCTs). RCTs must be completed, have used double or greater masking, and have published results through the registry or a scholarly journal. DESIGN: Cross-sectional database study. METHODS: Trial (study sponsor country, study site location, trial initiation year, study phase, and study masking) and demographic data (sex, race, and ethnicity according to U.S. reporting guidelines) were collected. The Global Burden of Disease database provided sex-based cataract disease burdens. Pooled participation-to-prevalence ratios (PPRs) with 95% CIs were calculated for female sex, with values between 0.8 and 1.2 constituting sufficient study enrollment. Kruskal-Wallis tests (α = 0.05) with subsequent post hoc comparisons were used to evaluate demographic representations stratified by trial characteristics. RESULTS: From 864 records, 100 clinical trials (N = 67 874) were identified, of which 97 (N = 67 697) reported sex demographics with a pooled female PPR of 0.89 (95% CI, 0.85-0.94). Of the 67 697 total participants, the absolute female enrollment was 19 062 (28.16%). Ethnicity and race were reported in 9 (N = 1792) and 26 trials (N = 23 181), respectively. Among trials that reported race, most were White (N = 19 574; 84.44%). CONCLUSIONS: High-quality, U.S.-registered, cataract trials enrolled acceptable proportions of women. However, the absolute number of female and racialized participants was low. Race and ethnicity were underreported. Disparity trends predominately held across secondary variables. To promote generalizability, future trials should pursue equitable demographic enrollment.
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 | 0,087 | 0,132 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,001 |
| Méta-épidémiologie (sens large) | 0,013 | 0,053 |
| Bibliométrie | 0,006 | 0,006 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,004 | 0,003 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,002 |
| 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 ».