Race and ethnicity reporting and representation in hemophilia clinical trials
Notice bibliographique
Résumé
ABSTRACT: Racial and ethnic representativeness in clinical trials is crucial to mitigate disparities in outcomes; however, diversity among hemophilia trials is unknown. The aim of this study is to examine the reporting and representation of race and ethnicity in trials of people with hemophilia (PwH). In this cross-sectional study, the ClinicalTrials.gov database was queried in April 2023 for interventional clinical trials involving PwH between 2007 and 2022. The distribution of participants (observed) was compared with expected proportions based on US Hemophilia Treatment Center (HTC) and country-specific census data with observed-to-expected ratios (OERs). Of 129 trials included, 94.6% were industry sponsored, with a mean of 62 participants and mean age of 26.8 years. Overall, 52.0% (n = 66) of trials reported data on race and ethnicity, increasing from 13.9% in 2007-2012 to 22.5% in 2013-2016 to 100% in 2017-2022 (P = .001). Among these 66 trials, 65.8%, 22.8%, 5.1%, 3.9% of participants were White, Asian, Hispanic, and Black, respectively. OERs were 10% to 20% lower for White participants vs US HTC, and US, UK, and Canadian census populations and ∼75% lower for Black or Hispanic participants when compared with US HTC and US census population. OERs for Asian participants were 1.6 to 3 times higher than Canada, US, and UK census populations. The reporting of race and ethnicity in hemophilia trials has drastically improved; however, Black and Hispanic PwH remain especially underrepresented. To address these disparities, stakeholders across the clinical trial enterprise need to implement strategies to ensure equitable participation.
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 | 0,004 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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; un appel candidat d’une seule tête enseignante, 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 ».