没有代表性的参与，临床试验不能准确反映医疗干预对患者的影响——引入偏倚并影响研究质量。这可能导致不愿向特定群体提供治疗，从而加剧卫生不平等。

　　伯明翰大学的研究人员开发了REP-EQUITY工具包，以指导临床研究中的代表性和公平包容。该工具包描述了研究人员在招募人员参加试验时需要考虑的七个关键问题:

　　哪些相关的服务不足群体?

　　在代表性和公平性方面的目标是什么?例如，研究人员想要包括代表一般人群的参与者，还是他们特别关注那些健康状况较差的人群?

　　如何定义服务不足特征的样本比例?

　　招聘目标是什么?

　　如何管理外部因素?

　　如何代表身价吗?

　　会留下什么遗产?

　　研究人员在《自然医学》杂志上发表了他们的研究成果，他们指出，由于几个原因，个人和群体可能得不到研究的充分服务，例如基于人口统计学(年龄、种族、性别认同)、社会和经济(就业、居住在偏远地区、教育程度)、疾病特定因素(患有罕见疾病的人)或健康状况(精神健康状况、多种疾病、怀孕)。

　　来自伯明翰大学NIHR伯明翰生物医学研究中心的主要作者Ameeta Retzer博士评论道:“公众和研究资助者越来越重视研究中的代表性。至关重要的是，我们必须制定一种实用的、以证据为基础的方法，以获取包容性和代表性的研究样本。

　　“我们相信我们的新工具包是一个重要的贡献，建立和补充现有的工作。它将帮助临床研究人员最大限度地减少偏见，促进公平，同时在服务不足的群体和研究机构之间建立同意和信任。这可能是为代表性不足的群体和个人确保更好和更公平的健康结果的重要一步。”

　　虽然改善临床试验参与者的多样性日益受到重视，但COVID-19大流行加速了将研究结果推广到承受最大健康负担的群体的必要性。

　　例如，少数民族人口，如英国的非洲和加勒比黑人和东南亚群体以及美国的黑人、西班牙裔和美洲原住民社区，患COVID-19严重并发症和死亡的风险不成比例，但在COVID-19研究中代表性不足。同样，包括社会经济背景较低的人和孕妇在内的其他人也没有得到COVID-19研究的充分服务。

　　开发工具包恰逢全球数据使用方面的重大技术进步-使用表型规范，系统代码搜索，迭代和临床审查，以及流行和验证分析，以创建代表现实世界人口的研究队列。

　　研究人员计划进一步验证和试点REP-EQUITY工具包，并跟踪其全球使用情况——建立一个证据基础，以促进其有效性，并通过汇总常规收集的真实世界数据来测试其使用情况，以探索从服务不足的群体中公平抽样。

　　更多信息:Ameeta Retzer等人，在健康研究中捕获代表性和公平样本的工具包，自然医学(2023)。DOI: 10.1038/s41591-023-02665-1

　　由伯明翰大学提供

　　引用: Toolkit帮助研究人员开展更公平、更具代表性的研究(2023,December 12)， 2023年12月13日检索自https://medicalxpress.com/news/2023-12-toolkit-equitable.html

　　作品受版权保护。除为私人学习或研究目的而进行的任何公平交易外，未经书面许可，不得转载任何部分。的有限公司

　　内容仅供参考之用。