Systematic Review of Women Leading and Participating in Nephrology Randomized Clinical Trials
Notice bibliographique
Résumé
IntroductionWomen are underrepresented in the leadership of and participation in randomized controlled trials (RCTs). We conducted a bibliometric review of nephrology RCTs to examine trial leadership by women and participation of women in nephrology RCTs.MethodsA bibliometric review of RCTs published in top medical/surgical/nephrology journals was conducted using MEDLINE and EMBASE from January 2011-December 2021. Leadership by women as corresponding authors, women trial participation, and trial characteristics were examined with duplicate independent data extraction. Logistic regression was used to examine associations between trial characteristics and women leadership and trial participation.Results1770 studies were screened and 395 RCTs met eligibility criteria. The number (%) of women in corresponding, first, and last authorship positions were: 89 (22%), 109 (28%), and 74 (19%), without change over time (p=0.94). The median percentage (IQR) of women trial participants was 39.0 (13.5)% with no difference between women or men lead authors (p=0.15). Men lead authors were statistically less likely to enroll women in RCTs. Women lead authors were less likely to be funded by industry [OR 0.30, 95% CI (0.14, 0.63), p=0.002] or lead international trials [OR 0.11, 95% CI (0.01, 0.83), p=0.03]. Trials with sex-specific eligibility criteria were more likely to have women leaders [OR 2.56, 95% CI (1.19, 5.49), p=0.02] compared to those without.DiscussionGender inequalities in RCT leadership and RCT participation exist in nephrology and did not improve over time. Strategies to improve inequalities need to be implemented and evaluated.
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 | 0,038 | 0,146 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 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; les deux têtes enseignantes 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 ».