Participation of Women in Cardiovascular Trials From 2017 to 2023
Notice bibliographique
Résumé
Importance: Cardiovascular (CV) disease is the leading cause of death globally for both men and women, yet women remain historically underrepresented in CV clinical trials, despite facing a disproportionately high burden of morbidity and mortality in many forms of CV disease. Objective: To determine the representation of women across a broad range of CV trials. Evidence Review: The participation of women in CV trials registered on ClinicalTrials.gov from 2017 to 2023 was systematically determined through the extraction of publicly available information. Data were extracted to identify the country of study, disease type, trial size, clinical intervention, and age of the participants. The proportion of women and the ratio of number of female to male participants (F:M ratio) were calculated for each trial. The women's participation:prevalence ratio (PPR) was estimated for each trial based on the relative prevalence of the disease by sex in the specified region. Findings: A total of 1079 registered CV trials were identified, including 1 396 104 participants, of whom 571 641 (41.0%) were women. The F:M ratio was significantly lower for studies on arrhythmia (median [IQR], 0.5), coronary heart disease (median [IQR], 0.39 [0.33-0.70]), acute coronary syndrome (median [IQR], 0.32 [0.24-0.51]), and heart failure (median [IQR], 0.51 [0.32-0.87]) but higher for obesity (median [IQR], 1.44 [1.08-4.50]) and pulmonary hypertension (median [IQR], 2.86 [1.50-3.97]) trials. The F:M ratio was higher for trials on lifestyle interventions (median [IQR], 1.51 [0.77-3.24]) than for drug trials. PPRs were low for clinical trials on coronary heart disease (median [IQR], 0.66 [0.50-0.86]), acute coronary syndrome (median [IQR], 0.79 [0.51-0.87]), and stroke (median [IQR], 0.74 [0.61-0.95]). Representation of women in CV trials varied by disease state, region, intervention, and sponsor type. Conclusions and Relevance: These findings highlight both progress and persistent challenges in representation of women within CV trials. These gaps not only limit the generalizability of trial outcomes but also perpetuate inequities in evidence-based care for women with CV conditions.
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 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,006 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».