MétaCan
Menu
Retour à la cohorte
Enregistrement W4399095494 · doi:10.7759/cureus.61205

International Collaboration and Commercial Involvement in Randomized Controlled Trials From 10 Leading Countries, 1997 Through 2019

2024· article· en· W4399095494 sur OpenAlexaboutno aff
Shunichi Fukuhara, Yuki Kataoka, Takuya Aoki, Joseph Green, Sayaka Shimizu, Nagayasu Toyoda

Notice bibliographique

RevueCureus · 2024
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueHealth Systems, Economic Evaluations, Quality of Life
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésRandomized controlled trialBusinessPolitical scienceMedicineInternal medicine

Résumé

récupéré en direct d'OpenAlex

Randomized controlled trials (RCTs) affect clinical decisions and their number is increasing. However, trends in international collaboration on RCTs and involvement of healthcare-related industries, the latter of which may contribute to bias, are not known. The objectives were to identify concerns surrounding RCTs, and to quantify changes in (1) the numbers of RCT articles in journals of high clinical importance, (2) international collaboration, and (3) commercial involvement in RCTs by authors in countries that contribute the most to the scientific literature. This was not a systematic review of the medical literature. It is a descriptive study of trends during the past two decades. We extracted RCT articles from MEDLINE data (1997-2019). When grouped by authors' country, the analyses were limited to the 10 leading countries in the natural sciences, as defined by the Nature Index 2019 Annual Tables. The Core Clinical Journals (CCJ) filter in PubMed was used to identify journals that were likely to be highly relevant to clinical practice. RCT articles that included authors from multiple countries were used as examples of international collaboration, and RCTs in which at least one author's affiliation was corporate were considered to have commercial involvement. The annual number of RCT articles more than doubled (from 10,360 to 22,384), but the number published in the CCJ was essentially unchanged (from 2,245 to 2,346). The vast majority of RCT articles had US-based authors. International collaboration increased in nine of the 10 countries studied, and it was particularly common among researchers in Europe, Canada, and Australia. In contrast, international collaboration decreased in China. Regarding commercial involvement, between 1997 and 2019 the proportion of single-country RCTs with commercial involvement decreased (from 12.4% to 3.8% for the United States, and from 2.5% to 0.0% for Europe-Canada-Australia). In contrast, the proportion of international-collaborative RCTs with commercial involvement increased (from 9.2% to 17.6% for the United States, and from 17.9% to 21.3% for Europe-Canada-Australia). The largest change in commercial involvement was the 12-fold increase in Japan: from 3% to 36% (1997-2019). Japan was also noteworthy for its 28-percentage-point decrease in first-authorship of RCT articles from 2012 to 2019. In conclusion, recent increases in the number of RCT articles have occurred almost exclusively outside the CCJ. Thus, many newer RCT articles might have relatively low clinical relevance or impact. International collaboration has generally increased, along with commercial involvement. The latter has become particularly common in Japan, increasing the potential for sponsorship bias. The effects of ongoing attempts to reverse that trend should be 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 machine sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,339
score de la tête « metaresearch » (Gemma)0,657
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche, Bibliométrie
Catégories consensuellesMétarecherche
DomaineSignal candidat: Évaluation · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,914
Score d'incertitude au seuil0,816

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,3390,657
Méta-épidémiologie (sens strict)0,0010,002
Méta-épidémiologie (sens large)0,0050,004
Bibliométrie0,0860,125
Études des sciences et des technologies0,0020,004
Communication savante0,0160,010
Science ouverte0,0030,010
Intégrité de la recherche0,0030,003
Charge utile insuffisante (le modèle a refusé de juger)0,0080,002

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.

Tête enseignante Opus0,294
Tête enseignante GPT0,460
Écart entre enseignants0,166 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; l’étiquette directe de Gemma et le classifieur distillé Codex s’accordent sur ce qui est montré ici.

Devis d'étudeObservationnel
DomaineÉvaluation
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations3
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCureusMême sujetHealth Systems, Economic Evaluations, Quality of LifeTravaux en français237 207