Decentralized clinical trials are better for the participants and for the planet: the case study of a double-blind randomized controlled trial in Singapore (PROMOTE study)
Notice bibliographique
Résumé
Introduction: Novel technologies have enabled the decentralization of many aspects of clinical trials, but little research has been done on the impact of these changes on the participant experience, trial operations, or the environment. Methods: A fully decentralized clinical trial conducted in Singapore is used as a case study to evaluate the operational outcomes, environmental impact (via life cycle assessment), and participants experience (qualitative interviews) of the decentralized model compared to a traditional study with in-person visits. Results: The decentralized study achieved high participant retention rates (97%) and high completion rates for clinical data, even for biological samples. Participants found the decentralized model to be convenient and safe, especially during the pandemic. Moreover, the decentralized model was found to be more environmentally friendly and less detrimental to human health compared to traditional face-to-face clinical trials, primarily by reducing participants' use of cars for site visits. Discussion: While this study focused on the environmental impact, it is important to consider other factors such as participant safety, convenience, and data quality when evaluating the suitability of a decentralized clinical trial approach. Careful planning of data flow, database structure, and data protection measures is essential. This study contributes to improving the environmental footprint of clinical trials. Environmental sustainability should be among the factors that are evaluated when selecting trial models. Decentralized and hybrid clinical trials offer efficiency, effectiveness, and environmental benefits. Further research and adoption of these approaches are encouraged.
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 | 0,121 | 0,100 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,003 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,004 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».