MétaCan
Menu
Retour à la cohorte

Discrepancy of Female Enrolment in Stroke Secondary Prevention Studies : Relationship Between investigative Site Personnel Sex and Selection of Participants

2017· other· en· W6964812677 sur OpenAlexaboutno aff

Notice bibliographique

RevueBiblioBoard Library Catalog (Open Research Library) · 2017
Typeother
Langueen
Domaine
Thématique
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésRandomized controlled trialInclusion (mineral)Secondary preventionSelection (genetic algorithm)External validityDiseaseStroke (engine)

Résumé

récupéré en direct d'OpenAlex

Background:Randomized controlled trials (RCTs) provide the strongest evidence of efficacy for medical interventions. However, a major criticism about the external validity of RCT results is the under-representation of women. Previous studies on cardiovascular disease have found female representation in secondary prevention RCTs to be less than 1/3. This underrepresentation of women can lead to suboptimal conclusions regarding their care. Currently, limited data are available regarding successful recruitment strategies for women in RCTs. It is important to understand the barriers to recruiting women in secondary prevention RCTs and to identify strategies to overcome those barriers. Objective: To determine whether an association exists between the gender of the investigative site personnel involved in the consent process and the sex distribution of participants in NAVIGATE ESUS. Methods:We plan to analyse data from 23 Canadian Navigate ESUS sites that recruited 573 participants to determine the proportion of female subjects recruited, and whether a discrepancy exists according to the gender of the primary study personnel involved in the consenting process.Conclusion: A major criticism of the external validity of RCT results is the discrepancy of female to male representation. Through investigating the discrepancies and barriers to equal sex distribution in clinical research our study will help identify factors to promote female inclusion in RCTs and pave way to future studies looking at strategies to overcome these barriers.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Bibliométrie, Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,272
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,001
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0020,000
Bibliométrie0,0160,007
Études des sciences et des technologies0,0000,003
Communication savante0,0010,011
Science ouverte0,0020,004
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,286
Tête enseignante GPT0,427
Écart entre enseignants0,141 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBiblioBoard Library Catalog (Open Research Library)Travaux en français237 207