578 A Cross-Sectional Study of Sex, Race, and Ethnic Representation in Burn Clinical Trials
Notice bibliographique
Résumé
Abstract Introduction The demographic proportions of plastic surgery trials approximating real-world disease are not well studied. Judicious trial representation is essential in treatment evaluation across diverse patient populations. Herein, we investigate sex, racial and ethnic disparities in patient enrollment across burn trials. Methods Cross-sectional analysis of participants enrolled in high-quality, reduced risk of bias, randomized controlled trials (RCT) registered on clinicaltrials.gov under the query “burn”. Completed RCTs reporting minimum two demographic groups, employing double masking or greater, with results accessible through registry or publications were included. Trial characteristics (country, site location, year, study phase, masking) and demographic data (sex, race, ethnicity) were collected. The Global Burden of Disease database provided sex-based burn disease burdens. Results The primary outcome was the population-to-prevalence ratio of enrolled female participants. Secondary outcomes included representation of racial and ethnic populations as related to blinding, phase, and study/sponsor locations. Of 546 trials, 41 were included (2919 participants). All reported sex demographics, females comprising 37.02% of all participants (PPR=0.71, 95%CI [0.59,0.82], likely indicating underrepresentation against their empiric disease burden). Only 7 and 9 reported ethnicity and race, respectively, although not comprehensively. Caucasians and Black persons comprised 57.52% and 21.80% of participants, respectively, while only 9.80% had Hispanic/Latino ethnicity. Conclusions Females are likely underrepresented in high-quality, US-registered burn trials, unreflective of their real-world disease burden. Further, severe underreporting of race and ethnicity was noted. It is imperative that future trials collect and report demographic data, namely race and ethnicity, and attempt enrolment of diverse demographics and equitable populations for promotion of study generalizability of efficacy data across relevant populations. Applicability of Research to Practice As there is natural variation in the effect of various medications, treatments, or medical products used amongst different sexes and diverse races due to factors such as differing physiological and genetic characteristics, enrolment of participants reflective of the disease pool studied is essential in investigations of treatments or devices intended for clinical practice. Failure to encompass all populations, due to lack of diversity in undergoing treatments further compounds healthcare disparity.
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 | 0,090 | 0,185 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,002 | 0,004 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,010 | 0,001 |
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 ».