PA-81 Bridging the gap: aligning research efforts with disparities in burden of disease – experiences of early-career researcher conducting investigator-initiated trial in a low-income country
Notice bibliographique
Résumé
Background Low-income countries bear 90% of the worldwide burden of disease yet there is underrepresentation of research addressing priority issues for low-income countries. Lack of research skills exacerbate the problem. While calls support locally driven research, investigators initiating RCTs in low-income countries encounter barriers, preventing RCT execution. We use our investigator self-initiated trial to provide some of our experiences, in executing a trial in a low-income country. Methods We are conducting a large RCT to determine the effect of text messaging plus motivational interviewing on sustaining breastfeeding, among 275 women living with HIV. Results We first assessed the feasibility of the large trial. We submitted multiple grant applications for the pilot trial and secured enough funds within three years. Some awarded funds were returned due to grant timeframe conditions. The pilot trial capitalized on existing research infrastructure. In 2020, we secured the EDCTP2 grant for the large trial. Lack of infrastructural support negatively affected the budget. The pilot trial was exempted from ethics fee. The large trial was approved by ethics before the EDCTP action period, due to tight funding timeframe. We secured funds elsewhere for ethics fee. Each study was approved within three months. The Western Cape Government, Department of Health (WCDH) has a National Health Research Database assisting researchers with applications submission for review by the Provincial Health Research Committee granting access to provincial healthcare facilities. WCDH approved each study within six months. We recruited from a healthcare facility, serving a small pool of our target population which prolonged pilot trial recruitment. We use Research Electronic Data Capture at no cost. Conclusion Enabling environments improve efficiency of trial execution. Leveraging on existing research infrastructure optimize use of available resources. Small research grants should consider flexible funding timeframes. Collaboration with stakeholders in routine healthcare facilitates facility access for research.
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 | 0,145 | 0,216 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,010 | 0,008 |
| Communication savante | 0,010 | 0,010 |
| Science ouverte | 0,002 | 0,016 |
| Intégrité de la recherche | 0,004 | 0,008 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,010 | 0,002 |
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 ».