Cross sectional analysis of clinical trials search results for cancer patients using a navigator-assisted clinical trials search using five different search engines
Notice bibliographique
Résumé
BACKGROUND: Clinical trials play a critical role in providing patients with access to novel treatments and therapies. However, limitations in clinical trial search engines impede healthcare professionals and patients from accessing the most suitable clinical trials. This study aimed to address this issue by conducting a critical analysis of several prominent clinical trial search websites, including ClinicalTrials.gov, Canadian Cancer Trials, Clinical Trials Ontario, Canadian Cancer Clinical Trials Network, and Q-CROC. METHODS: To identify areas for improvement, three skilled clinical trials navigators independently curated clinical trial searches for 18 cancer patients over a 2-month period. After verifying patients' eligibility for enrollment in clinical trials, the navigators documented their search outcomes and identified several limitations in the current search engines. RESULTS: Careful curation of clinical trials for 18 patients revealed 247 trials. However, 140 eligible trials out of 247 (57% with 95% binomial confidence interval [50%, 63%]) were found only on alternative websites yet not discoverable on the initial ClinicalTrials.gov searches, even though they were listed on ClinicalTrials.gov. Our study revealed multiple deficiencies in available clinical trials search engines. Lack of reliability was repeatedly identified in all search engines. DISCUSSION: This study highlights that the current clinical trial search system needs improvement to enhance patient outcomes. It needs to be highlighted that these searches were performed by trained and dedicated clinical trials navigators. The challenges facing patients and health care professionals in navigating would be much greater. The findings from this study can serve as a foundation for the development of enhanced search engines with improved functionality, which will enable healthcare professionals and patients to find and access the most suitable clinical trials with greater ease and accuracy.
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 | 0,043 | 0,194 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,016 | 0,015 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,004 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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 ».