P.024 Sex and gender reporting in clinical trials among neurological US Food and Drug Administration approvals
Notice bibliographique
Résumé
Background: Sex and gender are related but distinct determinants of disease, treatment response, and research reproducibility whose consideration is increasingly required for research funding. Nevertheless, the quality of sex and gender reporting in neurological randomized controlled trials (RCTs) remains unknown. Methods: This ongoing study of RCTs associated with Food and Drug Administration neurological drug approvals aims to determine the frequency of accurate reporting of RCT participants’ sex and gender. Secondary outcomes include changes in reporting over time and RCT design characteristics. Results: Preliminary analysis included 145 RCTs (153,410 participants) associated with 77 medications approved in 1985-2023, most commonly for epilepsy (19%), migraine (16%), and multiple sclerosis (16%). Sixty-six RCTs (45.5%) used sex-related terms appropriately. Nine RCTs (6.2%) reported gender accurately. Fifty-three RCTs (37%) used sex- or gender-related terms interchangeably. There are no statistically significant differences in the proportions of studies reporting sex and/or gender accurately when comparing those published until versus after 2017. No RCT reported sex or gender collection methods, definitions of sex or gender, or including sex or gender minority participants. Conclusions: Preliminary results suggest shortcomings in reporting sex and, especially, gender accurately and inclusively among neurological drug RCTs and no significant improvement thereof in recent years.
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 | 0,348 | 0,733 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,004 |
| Bibliométrie | 0,005 | 0,008 |
| Études des sciences et des technologies | 0,001 | 0,004 |
| Communication savante | 0,005 | 0,005 |
| Science ouverte | 0,002 | 0,003 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,012 | 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; l’étiquette directe de Gemma et le classifieur distillé Codex 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 ».