Building Equitable Partnerships Between Industry Sponsors and Indigenous Communities to Enhance Engagement in Clinical Trials
Notice bibliographique
Résumé
INTRODUCTION: American Indians, Alaska Natives, and Native Hawaiians (AI/AN/NH) have among the lowest representation in clinical trial participation in the United States (US) compared with other racial/ethnic groups and experience many barriers to health care access. To promote equitable and justice-centered inclusion of Indigenous Peoples in clinical trials and improve health equity, industry sponsors need to be better attuned to community-based priorities. This article summarizes perspectives including strategies to build more effective and equitable partnerships with Indigenous communities in the US and to advance access to medical care. METHODS: A panel of advisors on AI/AN/NH health care assembled for a virtual roundtable discussion in March 2024. A narrative review, supported by key publications, was conducted to summarize and contextualize the discussions. RESULTS: AI/AN/NH face various health inequities and challenges in clinical trial enrollment, including justified distrust of medical research environments, inaccessible and unaffordable health care, and limited community engagement by the research community. Proposed methods for engagement based on advisor insights were developed to guide industry sponsors in building more effective partnerships with Indigenous communities. Engagement methods consist of several strategies such as investing in community priorities, building a long-term commitment, identifying trusted messengers, and codeveloping engagement initiatives. CONCLUSIONS: Current challenges regarding clinical trial diversity are impacting health outcomes among Indigenous Peoples, furthering disparities. Based on advisor engagement, establishing effective, equitable, and justice-centered partnerships between industry sponsors and Indigenous Peoples has the potential to result in community-driven priorities being recognized in clinical trials, and thus expanding benefit of medical innovation.
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 | 0,193 | 0,195 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,007 | 0,007 |
| Communication savante | 0,011 | 0,012 |
| Science ouverte | 0,003 | 0,024 |
| Intégrité de la recherche | 0,004 | 0,006 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,009 | 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; l’étiquette directe de Gemma et le classifieur distillé Codex s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».