MétaCan
Menu
Retour à la cohorte
Enregistrement W4406501550 · doi:10.1001/jamanetworkopen.2024.54944

Eligibility Criteria of Randomized Clinical Trials in Critical Care Medicine

2025· review· en· W4406501550 sur OpenAlexaff
Alya Heirali, Kiyan Heybati, Jariya Sereeyotin, Faizan Khan, Christopher J. Yarnell, Karla D. Krewulak, Srinivas Murthy, Karen E. A. Burns, Robert Fowler, Kirsten M. Fiest, Sangeeta Mehta, Bram Rochwerg, Jennifer Tsang

Notice bibliographique

RevueJAMA Network Open · 2025
Typereview
Langueen
DomaineMedicine
ThématiqueEthics in Clinical Research
Établissements canadiensSinai Health SystemSunnybrook Health Science CentreSt. Michael's HospitalUniversity of British ColumbiaThe Scarborough HospitalUniversity of TorontoHealth Sciences CentreHotchkiss Brain InstituteUniversity of Calgary
Organismes subventionnairesnon disponible
Mots-clésRandomized controlled trialMedicineIntensive care medicineAlternative medicineMedical physicsInternal medicinePathology

Résumé

récupéré en direct d'OpenAlex

Importance: Eligibility criteria for randomized clinical trials (RCTs) are designed to select clinically relevant patient populations. However, not all eligibility criteria are strongly justified, potentially excluding marginalized groups, and limiting the generalizability of trial findings. Objective: To summarize and evaluate the justification of exclusion criteria in published RCTs in critical care medicine. Evidence Review: A systematic sampling review of parallel-group RCTs published in the top 5 general internal medicine journals by impact factor (The Lancet, New England Journal of Medicine, Journal of the American Medical Association, British Medical Journal, and Annals of Internal Medicine) between January 1, 2018, and February 23, 2023, was conducted. RCTs enrolling adults in intensive care units (ICUs) and RCTs enrolling critically ill patients who required life-sustaining interventions typically initiated in the ICU were included. All study exclusion criteria were categorized as either poorly justified, potentially justified, or strongly justified, adapting previously established criteria, independently and in duplicate. Findings: In total, 225 studies were identified, 75 of which were included. The median (IQR) number of exclusion criteria per trial was 19 (14-24), with 1455 total exclusion criteria. Common exclusion criteria were related to the risk of adverse reaction to interventions (302 criteria [20.8%]), followed by inability to obtain consent (120 criteria [8.2%]), and treatment limitation decisions (97 criteria [6.7%]). Most exclusion criteria were either strongly justified (1080 criteria [74.2%]) or potentially justified (297 criteria [20.4%]), whereas 5.4% (78 criteria) were poorly justified. Of the 78 poorly justified exclusion criteria, the most common were pregnancy (19 criteria [24.4%]), communication barriers (11 criteria [14.1%]), lactation (10 criteria [12.8%]), and lack of health insurance (10 criteria [12.8%]). Overall, 45 of 75 studies (60.0%) had at least 1 poorly justified exclusion criteria. Conclusions and Relevance: Most exclusion criteria in critical care medicine RCTs were strongly justifiable. Across poorly justified criteria, the most common exclusions were pregnant or lactating persons, those with communication barriers, and individuals without health insurance. This highlights the need to carefully consider exclusion criteria when designing trials to minimize the inappropriate exclusion of participants and enhance generalizability.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,478
score de la tête « metaresearch » (Gemma)0,895
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche, Méta-épidémiologie (sens strict), Méta-épidémiologie (sens large), Études des sciences et des technologies, Intégrité de la recherche, Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesMétarecherche, Intégrité de la recherche
DomaineSignal candidat: Méthodes · Signal consensuel: aucune
Devis d'étudeSignal candidat: Autre devis · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,749
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,4780,895
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0350,004
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,003
Communication savante0,0000,000
Science ouverte0,0020,003
Intégrité de la recherche0,0040,009
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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.

Tête enseignante Opus0,794
Tête enseignante GPT0,773
Écart entre enseignants0,021 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

Devis d'étudeAutre devis
DomaineMéthodes
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations8
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJAMA Network OpenMême sujetEthics in Clinical ResearchTravaux en français237 207