Non-participation in clinical research: Barriers, motivators, and recruitment strategies in an ovarian cancer study
Notice bibliographique
Résumé
Les recherches cliniques contribuent de façon significative à la prévention, au diagnostic précoce et à l'avancement de nouvelles thérapies pour plusieurs maladies y compris le cancer. Cependant, le recrutement de participants reste un défi majeur pour la recherche clinique. Les personnes plus âgées, les minorités, les personnes vivant en milieux ruraux et les personnes dans des situations socio-économiques plus difficiles sont moins bien représentées dans les échantillons de recherche clinique, malgré le fait qu'elles aient un taux plus élevé de cancer et de mortalité. Le projet DOvE (Diagnostic Précoce du Cancer Ovarien) est une étude clinique en cours à Montréal (Canada) qui vise à déterminer si offrir un dépistage rapide aux femmes de 50 ans et plus avec symptômes du cancer ovarien amène à un diagnostic précoce et un meilleur pronostic. Les résultats de l'étude pilote démontre une prévalence élevée de cancer ovarien chez les femmes symptomatiques et indique une plus grande probabilité de diagnostic précoce pour un cancer ovarien pendant qu'il est encore possible de le réséquer. Ces découvertes ont toutefois été observées dans une population hautement sélectionnée de femmes plutôt jeunes, anglophones et ayant plus souvent une éducation supérieure, ce qui soulève la possibilité de biais de volontariat. Les bénéfices de l'intervention pourraient être surestimés si les femmes ayant choisies de participer au programme de DOvE eussent reçu un diagnostic précoce même en l'absence du programme.L'objectif global de cette thèse est d'examiner les divers aspects de la non-participation aux études cliniques sur le cancer. Afin de bien caractériser la non-participation, il est essentiel d'avoir une connaissance de la population cible. Toutefois, dans le cas du projet DOvE, les caractéristiques de la population cible sont inconnues. Ainsi, le premier objectif était d'estimer la prévalence des symptômes déterminant l'éligibilité au projet DOvE et leurs associations avec des facteurs sociodémographiques. L'objet de ce deuxième manuscrit était d'identifier les motivations et les obstacles à la participation parmi les répondantes du sondage qui se considéraient éligibles au projet DOvE. Le troisième et dernier but était d'évaluer l'efficacité des stratégies afin d'augmenter la participation des groupes traditionnellement difficiles à rejoindre. Un sondage postal ont été envoyé à un échantillon aléatoire de 3000 femmes âgées de 50 ans et plus dans la communauté métropolitaine de Montréal. Étant donné le taux de réponse faible (28%), une pondération selon la probabilité inverse de participation a été appliquée afin d'apporter une correction au taux de non-réponse. Les femmes plus âgées (70 ans +) étaient moins porter à répondre au sondage et à discuter de leurs symptômes. La prévalence des symptômes était élevée, même lorsque la durée des symptômes était limitée à une période spécifique, et les estimations brutes et pondérées étaient similaires. Les femmes qui se disaient prête à participer au projet DOvE percevaient souvent un bénéfice à la participation. La majorité des non participantes préféraient être examinées par leur propre médecin, ou ne pensaient pas être à risque pour le cancer ovarien. En rendant accessible des centres satellites dans les communautés sous-représentées, une proportion plus grande de femmes de groupes sous-représentés ont participé à l'étude DOvE. Les résultats de cette thèse fournissent non seulement un meilleur tableau de la population cible du projet DOvE mais suggèrent aussi diverses stratégies pour un recrutement plus représentatif. Les stratégies pour inclure les sous-groupes de femmes ayant une expérience de cancer disproportionnellement plus élevées en recherche clinique continuent d'être une question importante nécessitant une recherche plus approfondie.
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 | 0,061 | 0,109 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,003 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».