Patient and Public Involvement in Paediatric Pragmatic Randomized Controlled Trials: A Mixed Methods Study
Notice bibliographique
Résumé
BACKGROUND/OBJECTIVES: Patient and public involvement (PPI) in the design, conduct, and dissemination of pragmatic trials may make trial results more relevant and meaningful. The nature of PPI in paediatric pragmatic trials has been poorly characterized in the literature. This study examined the prevalence and nature of PPI in paediatric pragmatic trials and lessons learned from researchers' experiences. METHODS: For this mixed methods study, we conducted an online survey and semi-structured interviews with corresponding authors of published paediatric pragmatic trials, identified using an online search filter in MEDLINE. Descriptive statistics and qualitative thematic analysis were used to analyse the data. RESULTS: PPI was reported by 71/127 (56%) survey respondents. Reported impacts of PPI in the survey included the following: more feasible interventions (71%), higher-quality research (57%), improved recruitment and retention (57%), and increased applicability of research findings (57%). Both survey and interview participants identified that insufficient resources, time, and training for relationship development were challenges to PPI in paediatric trials. Three themes were identified from the semi-structured interview data (recruitment and engagement, sustaining PPI relationships, and PPI value added). CONCLUSIONS: PPI aligns with the purpose and intended impact of pragmatic trials, and paediatric researchers perceive that PPI leads to increased research relevance, quality, and dissemination. There is, however, a need for institutional and funding bodies to invest in PPI partnership, including offering support for researchers and providing opportunities for children, youth, and parents as PPI partners.
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 | 0,038 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,004 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 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 ».