Perspectives on inclusion, diversity, equity, and access in clinical trials: findings from a 6-continent survey
Notice bibliographique
Résumé
OBJECTIVE: Clinical trials require the inclusion of all relevant demographic groups, including under-represented populations, to ensure accurate and representative findings. The aim of the study was to assess the status quo of inclusion, diversity, equity, and access in clinical trials across various countries. METHODS: An 18-item online survey was developed and administered to 5 people. The questionnaire was distributed to delegates from gynecologic research groups in the Gynecologic Cancer Intergroup Network worldwide. All the analyses are purely descriptive. RESULTS: A total of 73 participants (86.3% physicians and 47.9% female) from 33 countries participated in the survey; 91.8% deemed the inclusion of under-represented groups in clinical trials important, and 91.2% supported increasing representation in phase III trials. Most participants believed that language barriers (68.7%) and restricted eligibility criteria (56.7%) were the main reasons for under-representation. Language barriers are seen as more significant in Africa and Europe than in Asia (83.3% and 75.0% vs 58.6%, respectively). Limited patient knowledge about clinical trials (73.1%) was also cited as a key issue. Only 20.5% reported having a minimal data set to document demographic groups. The most helpful measure was the provision of trial information in various languages (69.7%). Overall, women were more supportive of all the suggested improvement measures than were men. CONCLUSIONS: There is a need for better strategies to improve diversity in clinical trials, focusing on overcoming language barriers and eligibility constraints.
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 | 0,065 | 0,099 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,002 | 0,003 |
| Communication savante | 0,003 | 0,003 |
| Science ouverte | 0,001 | 0,005 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 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 ».