Design and rationale for an empirical investigation of the resource use and costs of investigator-initiated randomized trials in Switzerland, the UK, and Germany
Notice bibliographique
Résumé
BACKGROUND: Conducting high-quality randomized clinical trials (RCTs) is challenging, time consuming, and resource intense. Academic investigators usually depend on scarce financial resources; however, current literature lacks systematically collected empirical data on the detailed resource use and costs of investigator-initiated RCTs. METHODS: The aim of this study is to generate a database of detailed empirical resource use and cost data from 100 investigator-initiated RCTs in Switzerland, Germany, and the UK. Investigators enter their empirical costs data into an online data collection form, which is followed by a short interview and a detailed cost report. We plan to investigate cost patterns and cost drivers and examine planned versus actual RCT costs as well as explore different strata of costs across the planning, conduct, and finalization phases, in drug and non-drug trials, and across medical fields and countries. DISCUSSION: This study will add detailed empirical data to the limited research on investigator-initiated RCT costs currently available. A study limitation will be that cost data will be retrospective and self-reported, which might be inaccurate depending on how costs were recorded. TRIAL REGISTRATION: Open Science Framework (OSF) https://doi.org/10.17605/OSF.IO/QY2GU . Registered on June 4, 2021.
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 | 0,408 | 0,630 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,003 |
| Méta-épidémiologie (sens large) | 0,007 | 0,009 |
| Bibliométrie | 0,011 | 0,013 |
| Études des sciences et des technologies | 0,003 | 0,008 |
| Communication savante | 0,008 | 0,006 |
| Science ouverte | 0,005 | 0,005 |
| Intégrité de la recherche | 0,010 | 0,006 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,031 | 0,005 |
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 ».