Clinical trial recruitment of people who speak languages other than English: a Children’s Oncology Group report
Notice bibliographique
Résumé
BACKGROUND: Persons who speak languages other than English are underrepresented in clinical trials, likely in part because of inadequate multilevel resources. We conducted a survey of institutions affiliated with the Children's Oncology Group (COG) to characterize current research recruitment practices and resources regarding translation and interpretation services. METHODS: In October 2022, a 20-item survey was distributed electronically to institutions affiliated with COG to assess consent practices and resources for recruiting participants who speak languages other than English to COG trials. Descriptive statistics were used to summarize responses; responses were compared by institution size and type as well as respondent role. RESULTS: The survey was sent to 230 institutions, and the response rate was 60% (n = 139). In total, 60% (n = 83) of those respondents had access to short-form consent forms. Full consent form translation was required at 50% of institutions, and 12% of institutional review boards restricted use of centrally translated consent forms. Forty-six percent (n = 64) of institutions reported insufficient funding to support translation costs; 19% (n = 26) had access to no-cost translation services. Forty-four percent (n = 61) were required to use in-person interpreters for consent discussions; the most frequently cited barrier (56%) to obtaining consent was lack of available in-person interpreters. Forty-seven percent (n = 65) reported that recruiting persons who speak languages other than English to clinical trials was somewhat or very difficult. CONCLUSIONS: Institutions affiliated with COG face resource-specific challenges that impede recruitment of participants who speak languages other than English for clinical trials. These findings indicate an urgent need to identify strategies aimed at reducing recruitment barriers to ensure equitable access to clinical trials.
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 | 0,037 | 0,103 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,003 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 ».