Organisation of clinical research in intensive care units: A scoping review
Notice bibliographique
Résumé
BACKGROUND: Clinical research is essential for the development and progress of therapies and procedures. Intensive care units (ICUs) manage the sickest patients. Numerous clinical trials are organised in ICUs to evaluate new treatments or support techniques. Concomitantly, new professions involved in clinical research set-ups are emerging. AIM: The aim of this scoping review was to identify the nature and extent of research evidence on the organisation of clinical research in ICUs. METHODS: This review focusses on observational and qualitative narrative studies dealing with clinical research organisation in ICUs, with a special interest in structures coordinating research, the roles of clinical research professionals, and the training required. Medline and Embase were analysed between January 2000 and June 2024. Assessment of the study quality was based on the Let Evidence Guide Every New Decision evaluation system and the Newcastle-Ottawa quality assessment scale. RESULTS: Of the 14 studies reviewed, four were narrative and 10 observational descriptive. All were based on cross-sectional surveys. Most studies were carried out in North America, the United Kingdom, and Australia/New Zealand. ICU clinical research professionals were mostly female nurses aged between 31 and 50 years who had a wide diversity of training profiles and performed greatly varied tasks from data collection to publication of the article. Reported job satisfaction depended on the degree of autonomy, the workload, the extent of professional recognition, and opportunities for professional promotion. CONCLUSIONS: The organisation of ICU clinical research reflects considerable diversity in training, tasks, job organisation, and responsibilities.
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 | 0,005 | 0,299 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,004 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,005 |
| 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 ».