Global Heart Failure Epidemiology Versus Enrolment in Pivotal Trials: A Formidable Mismatch
Notice bibliographique
Résumé
AIMS: Randomized clinical trials (RCTs) that inform international clinical practice guidelines should adequately represent regions burdened with disease. We aimed to assess the geographic representativeness of pivotal heart failure (HF) RCTs using two methodological approaches. METHODS AND RESULTS: We assessed the global geographic distribution of HF cases using the Global Burden of Disease 2021 dataset. We then assessed the geographic representativeness of pivotal phase 3 RCTs that have shaped international guidelines using two metrics: the representation index (RI), a ratio of regional trial sites to disease distribution, and the participant-to-prevalence ratio (PPR), a ratio of regional trial participants to disease distribution. In 2021, there were 55.4 million people with HF worldwide, with the greatest population in Asia (50%), followed by Europe (18%), Africa (14%), North America (10%), and Central & South America (8%). PPR estimates were limited by the variation in how trials classified regions when reporting participant enrolment. Yet, RI and PPR estimates revealed similar estimates of geographic representation. Europe (RI: 2.41, PPR: 2.69) and North America (RI: 3.25, PPR: 2.58) were over-represented in trials, while Asia (RI: 0.26, PPR: 0.22) and Africa (RI: 0.14, PPR: 0.05) were grossly under-represented. In contrast, Central & South America (RI: 1.29, PPR: 1.59) were adequately represented. CONCLUSIONS: Pivotal HF RCTs generate evidence primarily from Europe and North America, and grossly under-represent Africa and Asia. RI and PPR are correlated measures of regional representativeness, highlighting that regional participant enrolment is related to the number of trial sites in a region. Unlike PPR, RI can be estimated during trial planning and guide trial design for better regional representativeness.
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 | 0,011 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».