PLoS ONE: Sygdom Specifik produktivitet American Cancer Hospitals

Abstrakt

Kontekst

Forskning-orienteret kræft hospitaler i USA behandler og studere patienter med en række sygdomme. Foranstaltninger på sygdom specifik forskning produktivitet, og sammenlignet med den samlede produktivitet, der i øjeblikket mangler.

hypotese

Forskellige institutioner er specialiseret i forskning af specifikke sygdomme.

Målsætning

for at rapportere sygdomsspecifikke produktivitet American cancer hospitaler, og foreslå et summarisk mål.

Metode

Vi har udført en retrospektiv observationsstudie undersøgelse af de 50 højest rangerede kræft hospitaler i 2013 US News og World Report placeringer. Vi udførte en elektronisk søgning af PubMed og Clinicaltrials.gov for offentliggjorte rapporter og registreringer af kliniske forsøg (henholdsvis) imødegå specifikke kræftformer mellem 2008 og 2013. Vi beregnede den summerede impact factor for publikationer. Vi genererede et summarisk mål for produktiviteten baseret på antallet af kliniske fase II studier registreret og impact factor af kliniske fase II studier offentliggjort for hver institution og sygdom par. Vi genererede ranglister baseret på denne summarisk mål.

Resultater

Vi identificerede 6076 registrerede forsøg og 6516 publicerede forsøg med en kombineret effekt faktor på 44280,4, der involverer 32 forskellige sygdomme i løbet af de 50 institutioner. Ved hjælp af en summarisk mål baseret på registrerede og offentliggjorte kliniske stier, vi rangeret institutioner i specifikke sygdomme. Som forventet blev forskellige institutioner højt rangeret i sygdomsspecifikke produktivitet for forskellige sygdomme. 43 institutioner dukkede op i top 10 rækker i mindst en sygdom (vs 10 i den samlede liste), mens 6 forskellige institutioner blev rangeret nummer 1 i mindst 1 sygdom (vs 1 i den samlede liste).

Konklusion

Forskning produktivitet varierer betydeligt blandt prøven. Samlet kræft produktivitet skjuler stor variation mellem sygdomme. Sygdomsspecifikke rankings identificere websteder af høj akademisk produktivitet, som kan være af interesse for læger, patienter og forskere

Henvisning:. Goldstein JA, Prasad V (2015) Sygdom Specifik produktivitet American Cancer Hospitaler. PLoS ONE 10 (3): e0121233. doi: 10,1371 /journal.pone.0121233

Academic Redaktør: Robert Lane Schmidt, University of Utah School of Medicine, UNITED STATES

Modtaget: September 29, 2014 Accepteret: 28 januar 2015; Udgivet: 17 Marts 2015

Dette er en åben adgang artiklen, fri for alle ophavsrettigheder, og kan frit gengives, distribueres, overføres, ændres, bygget på, eller på anden måde bruges af alle til ethvert lovligt formål. Værket gøres tilgængeligt under Creative Commons CC0 public domain dedikation

Data Tilgængelighed: Source kode til hentning af data og analyse er tilgængelig på: github.com/jagstein/Rankings-dz. Analyseresultater præsenteres som supplerende data. Underliggende publikation og data kliniske forsøg er tilgængelig på pubmed.gov og clinicaltrials.gov hhv. Impact faktorer er fra: www.citefactor.org/journal-impact-factor-list-2012.html

Finansiering:.. Forfatterne har ingen støtte eller finansiering til at rapportere

Konkurrerende interesser: forfatterne har erklæret, at der ikke findes konkurrerende interesser.

Introduktion

Akademisk produktivitet enkeltpersoner, institutioner og nationer er almindeligt måles, sammenlignes, og diskuteret [1], [2], [3 ]. [4]. I disse målinger, er to primære målinger anvendt 1) bibliometriske, dvs. måling publikationer eller citater og 2) finansiering. Inden akademiske medicinske centre, har støtte fra National Institutes of Health (NIH) (https://report.nih.gov/award/index.cfm), og den institutionelle h-index (et mål for offentliggørelse og citater) blevet anvendt at styrke moralen, allokere ressourcer, og dommer lederskab [4], [5], [6]. Men inden for klinisk forskning kræft, er et bredt overblik over produktiviteten mangler.

Målingen af ​​kliniske forsøg produktivitet skaber særlige problemer. Kliniske forsøg tjene en dobbelt rolle som køretøjer til patientpleje og enheder af akademisk produktivitet. Kræftbehandling, og derfor klinisk forskning, er mangesidet, ofte involverer kirurgiske, medicinske og radiologiske onkologer samt støtte fra bilinspektionsteknikere, generelle internists og kirurger. Specifikke diagnoser og deres behandling er afhængige af forskellige specialister og subspecialists i forskellig grad. Målet med dette arbejde er at give et overblik over klinisk forskning produktivitet førende akademiske kræft hospitaler i USA fra 2008-2013, og for at afspejle forskelle i produktivitet specifikke for bestemte sygdomme. Konkret har vi hypotesen, at forskellige institutioner specialiserer sig i forskning i bestemte sygdomme ,.

Materialer og metoder

Programmering

Data indsamling og analyse blev udført ved hjælp af programmeringssproget Python med pandaer, numpy, scipy og matplotlib udvidelser. Se nedenfor for en mere detaljeret forklaring af programmernes funktioner. Kode er tilgængelig på https://github.com/jagstein/Rankings-dz

Institutioner

Vi brugte US News and World Report top 50 hospitaler i kræft. Disse lister er almindeligt diskuteret og de overordnede resultater og omdømme er blevet rapporteret at korrelere med foranstaltninger for akademisk produktivitet [7], [8]. Institutionelle grupperinger, f.eks Cornell University, New York Presbyterian Hospital, og Weill-Cornell Medical College var baseret på de amerikanske News placeringer og udvidet til at omfatte relevante tilknyttede institutioner. Disse overbevisninger er repræsenteret i de søgetermer og ordbog og præsenteres i S1-S2 Tables.

Udgivet kliniske forsøg og kumulative effekt faktor

Oplysninger om kliniske forsøg offentliggørelse og impact factor blev bestemt ved elektronisk søgning af PubMed ved hjælp af BioEntrez og BioMedline pakker og PubMed syntaks (https://www.ncbi.nlm.nih.gov/books/NBK3827/, 2014/06/01). Vi overvejede 50 institutioner og 27 sygdomme. For hver institution /sygdom par (fx Washington University (St. Louis) /urothelial kræftformer), søgte vi efter publicerede kliniske studier, enten alle eller begrænset til fase I eller fase II. Vi brugte de institutionelle og sygdom synonymer er anført i S1-S2 Tables. For vores over-alle kræft resultater, vi brugte den største MeSH kategori af kræft. Som et eksempel blev eftersøgningen af ​​fase II livmoderhalskræft kliniske forsøg baseret på Washington University formateret som:

(Barnes-Jewish Hospital [AD] ELLER Washington University [AD] ELLER Alvin J. Siteman Cancer Center [AD ]) 2008: 2013 [DP] kliniske forsøg, fase II [PT] uterine cervikale neoplasmer [MESH])

Vi tælles antallet af publikationer. For hver publikation, vi identificeret tidsskriftet, og krydsreferencer det med en offentliggjort liste over påvirkningsfaktorer for 2012. Vi opsummerede disse påvirkningsfaktorer. For eksempel, hvis der var 3 forsøg offentliggjort i tidsskrifter med effektfaktorer på 1, 2, og 3, henholdsvis den summerede impact factor var 6.

Kliniske forsøg, der er anført på Clinicaltrial.gov

Vi søgte efter alle sager ved clinicaltrials.gov med søgeordet “kræft”, hvilket giver i 43,339 studier. Disse forsøg downloades i XML-format (2014/05/24), og forudsat data om retssagen, startdato, studie id, fase af udvikling af lægemidler, finansieringskilde, antal deltagere, færdiggørelse status, og ledende institution. Vi udførte en elektronisk søgning gennem prøvelser. For hvert forsøg, vi bestemt sygdommen (e) studeret ved at læse i titlen, betingelser studeret, og beskrivelse, så søger efter nøgleord er specifikke for en bestemt sygdom, for eksempel, “urotelial kræft”, “blærekræft” og “ureter kræft. “Vi søgte hvert forsøg for hver af de 27 diagnoser. For behandlingen af ​​over-all kræft score, brugte vi både kan klassificeres og ikke-klassificeres forsøg.

På denne måde 1 eller flere sygdomme blev tildelt 31,164 forsøg. For at kontrollere vores opgaver, vi manuelt revideret 100 af de senest startet forsøg, for hvilke der blev identificeret nogen sygdom. Denne kontrol fundet 8 undersøgelser af vore kræft i interesse. Af de resterende 92 undersøgelser, var der 24 undersøgelser af bivirkninger, f.eks mucositis, 15 risikofaktorer, f.eks psoriasis, 16 af cancere ikke dækket, fx neuroblastom, 13 af fremskredne solide kræft i uspecificeret type, 9 ikke-kræft, faktor betingelser ikke risiko, f.eks diabetes, 5 grundlæggende undersøgelser, f.eks lægemiddel-lægemiddel farmakokinetiske interaktioner mellem dabrafenib, rosuvastatin og midazolam, og 10 studier, der ikke kunne være grupperet. Vi talte antallet af forsøg i hver fase, der blev administreret af hver enkelt institution. For at håndtere institutioner med flere navne, vi kombineret institutioner ved hjælp af en ordbog over institutioner og fælles synonymer, der er præsenteret som S2 Tabel.

Statistisk analyse

For at måle, i hvilken grad registrering kliniske forsøg og kliniske forsøg publikation er overflødige, vi gennemførte regressionsanalyse mellem to beslægtede foranstaltninger, fase II kliniske forsøg registreringer og Clinicaltrails.gov og fase II kliniske forsøg opsummerede påvirkningsfaktorer bruger den lineære regression funktion fra scipy. Denne funktion har som input en vifte af værdier for x og en til y, og bestemmer hældningen, skæringspunktet, r værdi, p-værdi, og standard fejl ved hjælp af en mindste kvadraters regression. Vi brugte greverne af registrerede fase II studier for de 50 institutioner for hver sygdom som x og det summerede impact factor af fase II studier for de samme 50 institutioner som y. Vi kørte en særskilt regression for de 25 sygdomme med ikke-trivielle antal forsøg. Resultaterne for disse regressioner er vist i S3 tabel. Pisterne gennemsnit 5.97 +/- 3.11 IF /registrering (interval 13,18-,87), mens korrelationerne (r2) i gennemsnit 0,328 +/- 0,183 (interval 0,758-0,013). Mens dette korrelation var signifikant (p 0,05). Til 22 af 25, det er tilstrækkeligt lavt til at berettige overvejelse både som uafhængige faktorer i sygdomsspecifikke produktivitet

Vi forsøgte at skabe et summarisk mål for sygdomsspecifikke akademisk produktivitet på bestemte institutioner. Vi valgte at fokusere på fase II forsøg er baseret på dokumentation af patientens gavn af at deltage i disse forsøg, samt underrapportering af Fase I forsøg, og multi-centreret karakter af fase III forsøg [9], [10]. Mens der er mange mål for produktiviteten baseret på publikationer, vi søgt at skabe en foranstaltning, der tegnede sig for de kliniske forsøg registreringer så godt. Til dette formål, genereret vi et summarisk mål baseret på fase II forsøg, der er registreret på Clinicaltrials.gov og det summerede impact factor af kliniske fase II-undersøgelser. Denne score for en given institution for en given sygdom blev genereret på følgende måde: Hvis SIF er den summerede påvirkning faktor for fase II-undersøgelser, Registreringer er forsøgene registreret hos Clinicaltrials.gov, maxSIF (sygdom) er den højeste SIF blandt de 50 institutioner for sygdommen, og maxRegistrations (sygdom) er det højeste antal forsøg registreret til den pågældende sygdom. Dette giver en maksimal score på 100. For eksempel mellem 2008-2013, Barnes-Jewish Hospital offentliggjort fase II forsøg med livmoderhalskræft med en summeret impact factor på 7,993, og registreret en fase II studie på Clinicaltrials.gov. The University of Texas MD Anderson Cancer Center havde den højeste faktor effekt i livmoderhalskræft ved 10,329, mens universitetet i Iowa Hospitaler og klinikker registreret flest forsøg, 2. Derfor score for Barnes-Jewish for livmoderhalskræft er:

Resultater

samlede produktivitet

Vi identificerede 6076 registrerede forsøg og 6516 publicerede forsøg med en kombineret effekt faktor på 44280,4, der involverer 32 forskellige sygdomme i løbet af de 50 institutioner. For enhver sygdom, der undersøges på enhver institution, der var 11 forskellige variabler, der kan måles, herunder 5 afspejler kliniske forsøg registreringer og 6 afspejler offentliggørelse. Det fulde datasæt er tilgængelige i S4-S5 Tables. Vi beregnede en samlet kræft produktivitet score for hver institution, med disse resultater fremgår af tabel 1.

Sygdom specifik produktivitet

Vi indsamlede offentliggørelse og data fra kliniske forsøg for hver institution, produceret sygdom -specifikke scores som beskrevet ovenfor og sorteret dem. Der var minimal information om anal, vulva, testikelkræft, lille tarm, og penis kræft, så vi ikke analysere dem yderligere. Vi plottede de klassificeret scores fra hver sygdom og overtrak dem (fig. 1). For de fleste sygdomme, en institution havde de mest kliniske forsøg og den højeste kombinerede effekt faktor, for en score på 100. scorer for efterfølgende klassificeret institutioner hurtigt droppet.

For de fleste sygdomme den højest rangerende institution (Rank = 1 ) har en score på 100, dvs. registrering af højeste antal kliniske forsøg og udgivelse papirer med den højeste opsummerede impact factor. Som rang stiger, scoren falder hurtigt, således at institutionen med 10

th højeste score (Rank = 10) viser en score på 16,5 +/- 7,9 (gennemsnit +/- standardafvigelse).

Cancer specifikke placeringer

forskellige kræftformer behandles og undersøgt af forskellige læger i forskellige afdelinger ved hjælp af forskellige teknikker. For at indfange denne mangfoldighed, genereret vi rangeret lister over 25 forskellige betingelser. De 10 institutioner med den højeste score i hver kategori, herunder bånd, præsenteres som tabel 2. M.D. Anderson Cancer Center optrådt på de fleste top-10 lister, 24/25, samt at have den højeste score i 13/25. Men 43 af de 50 institutioner foretage mindst en udseende på en top 10 liste, og seks forskellige organisation blev højest rangerede i mindst ét ​​område. En fuld regnskabsmæssig af disse optrædener præsenteres som tabel 3.

Diskussion

Dette papir beskriver landskabet i klinisk forskning produktivitet i kræft og 25 af de mest almindelige specifikke sygdomme inden højt rangeret akademiske hospitaler i USA. Hovedkonklusionen er et granuleret beskrivelse af, hvad sygdomme er undersøgt hvor.

Flere skalaer af akademisk produktivitet er blevet foreslået og anvendt i en akademisk hospital indstilling, med varierende fokus på mulighederne, gyldighed, pålidelighed og accept [11] . Den institutionelle h-indeks, der defineres som h, hvor en institution har udgivet på mindst H papirer, der er blevet citeret mindst h tider har været brugt til at sammenligne faglige afdelinger mellem sygehuse [5]. Mens papirer offentliggjort, nummer citeret, impact factor, og h-index er en indikator for fremtidige finansiering og fremtidig offentliggørelse i akademiske kirurgi og neurokirurgi afdelinger, blev h-indeks sig at være overlegen i forhold til de andre foranstaltninger [6], [12] Siden beskrivelse af h-indekset i 2005, har der været talrige foreslåede ændringer og vanskeligheder identificeret (diskuteret i [12]). Finansieringen er også blevet brugt, både som et mål for akademisk produktivitet og at validere den prædiktive værdi af andre foranstaltninger [5], [11].

Selv om det ikke er vores hensigt at foreslå

endnu en

metrisk forskning produktivitet til almindelig brug, de specifikke problemer på området for kliniske forsøg produktivitet motiverede vores valg af målinger og resumé foranstaltning. Med hensyn til bibliometri, Google Scholar, Web of Science, og Scopus, de tre offentliggørelse søgemaskiner, der tillader måling af h-indekset, tillader ikke begrænsning til kliniske forsøg, eller specifikke faser af kliniske forsøg, et centralt element i PubMed. Siden offentliggørelsen af ​​kliniske forsøg udgør et mindretal af afdelingerne output, dette skaber betydelige problemer for deres pålidelighed. Tilsvarende manglende evne til at begrænse til MeSH termer betyder, at en søgning efter et bestemt cancer vil identificere nogle artikler gør sammenligninger til at kræft eller diskuterer lægemidler anvendt til at behandle cancer. For eksempel en søgning efter “brystkræft” kunne returnere diskussioner af kræft i æggestokkene eller tyktarmskræft på grund af foreningen af ​​disse sygdomme i BRCA1 og 2 syndromer, eller brug af trastuzumab (Herceptin, Roche /Genentech) for en række betingelser, på grund af den primære indikation af trastuzumab i brugen af ​​brystcancer overudtrykker HER2. Fra et teknisk synspunkt, kan udføres automatiserede PubMed søgninger ved hjælp af BioEntrez pakken i Python, mens nogen tilsvarende kapacitet eksisterer for de 3 proprietære databaser.

Tidligere arbejde har vist en høj korrelation mellem flere forskellige foranstaltninger for akademisk produktivitet og USN WR ry [8]. Vi genererede en sammensat score for hver institution på grundlag af alle fase II kliniske forsøg registreret i clinicaltrials.gov samt virkningen faktor fase II kliniske forsøg offentliggjort i MEDLINE. Vi præsenterer de samlede score i forhold til ry som tabel 1.

Flere faktorer har indflydelse patient udvælgelse af en cancer hospital. Kun 7,3% af patienterne søge behandling på et NCI-udpeget cancer center (NCI-CC) [13]. Selv om nogle grupper har fundet en sammenhæng mellem NCI-CC fremmøde og nedsat dødelighed [14], patientkarakteristika forskellige. NCI-CC patienter er yngre, med færre co-morbiditet og mere fremskreden sygdom [13].

En oplagt og valideret faktor i sygehusvalg valg er afstand [15]

[13]. For patienter med behandling standarder, der kan forvente et godt resultat med standard-of-care behandling, de ulemper ved at rejse længere kan opveje eventuelle fordele.

Fordelen ved behandling på et NCI-CC menes at stamme fra forbedret fremgangsmåde af pleje, potentielt forklare den reducerede dødeligheden af ​​både cancer og ikke-cancer årsager [14]. Der er også dødelighed forbedringer fra at søge hjælp ved en høj volumen facilitet [16]. Vi må acceptere risikoen for forstyrrende variabler, som i den slående demografiske og dødelighed forskelle, der adskiller sig relativt godt og velhavende rejser patienter fra relativt syge patienter, for hvem NCI-CC sker for at være deres nærmeste center [17]

, [18].

de fleste af institutionerne i denne undersøgelse er NCI-CC, og alle har en stor mængde af kræftpatienter. Derfor kan patienter med nogen af ​​dem forvente fordelene beskrevet ovenfor. Men der definerer den marginale fordel ved at søge pleje på et højere rangeret hospital er vanskeligere. Den “Survival” underscore givet af US News for alle de øverste 50 hospitaler er 8, 9 eller 10. vægtning nødvendig for at generere denne score betyder, at andre raters end US News giver forskellige dødelighed scorer for det samme hospital [19]. Dette rejser spørgsmålet om, hvorvidt sådanne målinger er mulige.

Vores metrisk fokuserer på registrering af fase II kliniske forsøg og udgive dem i high-impact tidsskrifter. Disse aktiviteter adskiller sig fra andre akademiske ventures i, at de involverer potentielle fordele for patienterne. En gennemgang af fase II-forsøg med molekylært målrettede lægemidler angivet en gennemsnitlig samlet responsrate på 6,4% [9]. Dette er i overensstemmelse med den svarprocent 4% fundet mere generelt for fase I kræft forsøg [20]

[21]. Dette er en lille grad af gavn, men det skyldes det undersøgte stof og investigator, der administrerer det.

Begrænsninger

Denne analyse er underlagt adskillige indvendinger og begrænsninger. Fejl af inklusion og eksklusion af relevante forsøg er et potentielt problem; Men vi udførte manuelle kontroller i clinicaltrials.gov og PubMed på et begrænset antal usædvanlige værdier. Automatiseret og manuel søgning begge afhængige af korrekt indledende datasikring af information. Fejlen mest sandsynligt, at ændre vores placeringer er manglende identifikation en institutionel synonym, da dette ville præsentere med en isoleret dråbe af denne institution. Derfor præsenterer vi vores liste over synonymer og søgetermer (S1-S2 Tables). Det kan synes mærkeligt, at da disse foranstaltninger er så ens, korrelationerne mellem dem vise en bred vifte af værdier over forskellige sygdomme. Det taler til værdien af ​​at overveje begge foranstaltninger siden produktivitet kan blive savnet, hvis kun én overvejes. Klinisk registrering forsøg fremadskuende, mens publikationer er retrospektiv. Det er imidlertid sandsynligt, at nogle forsøg bidrage til begge komponenter i vores score. Vi vil overveje dette som en positiv siden en institution, der registrerer, hvad det udgiver og udgiver hvad den registrerer, er at foretrække frem for alternativerne.

Vi valgte at fokusere på fase II forsøg tæller fra ClinicalTrials.gov og påvirkningsfaktorer af offentliggjorte kliniske fase II forsøg fra PubMed. Vi brugte ikke NCI finansiering som en metrik, på grund af den relativt lave korrelation med omdømme, og manglen på direkte patient gavn af de grundlæggende undersøgelser, der danner hovedparten af ​​NIC tilskud. Vi valgte at fokusere på fase II forsøg, fordi mange fase I forsøg ikke er rapporteret [10], mens fase III forsøg tendens til at være multi-centreret, og vanskeligt at tilskrive ekspertise på enkelt-institutionsniveau. Patient optællinger i forsøg er stærkt forvrænget af et lille antal meget store biobanker og forebyggelse forsøg. Impact faktor giver os mulighed for at tage hensyn til sandsynligheden for et papir bliver læst og citeret. I et miljø, hvor alle kliniske forsøg er i stigende grad forventes offentliggjort, små, dårligt designede, eller færre nye forsøg kan være mere tilbøjelige til at blive offentliggjort i lavere tier tidsskrifter.

Konklusion

Vi giver en udsigt over landskabet sygdomsspecifikke akademisk produktivitet i ansete amerikanske kræft hospitaler. Disse hospitaler viser akademisk produktivitet blandt flere sygdomme. Hvorvidt dette udmønter sig i forskelle i patientbehandlingen er ukendt, og bør være genstand for yderligere undersøgelse.

Støtte Information

S1 Table. Søgetermer.

Denne tabel viser de sygdomsspecifikke søgetermer, der anvendes til at klassificere forsøg. For kliniske forsøg firmaer Clinicaltrials.gov, titlen, tilstand og beskrivende tekst af hvert forsøg blev søgt efter hvert af de søgeord (kw1-8) samt det regulære udtryk. Formateringen af ​​de regulære udtryk er sådan, at for eksempel “gastrisk. {1100} kræft” vil afsløre eventuelle forekomster af ordet “kræft” i 100 tegn efter ordet »gastrisk«, mens ‘mavekræft “kun vil detektere forekomster af denne præcise udtryk. Påvisning af nogen af ​​de søgeord eller det regulære udtryk forårsager en retssag at blive klassificeret som studere denne sygdom. Masken vilkår er de udtryk, der anvendes i PubMed med dette “[mesh] ‘tag at opdage publikationer der hører under denne diagnose

doi:. 10,1371 /journal.pone.0121233.s001

(CSV)

S2 Table . Institution ordbog.

Dette er en liste over sub-institutioner, der er kombineret i vores analyse. For eksempel er Barnes-Jewish Hospital, Alvin J. Siteman cancer center (som er i Barnes-Jewish Hospital), og Washington University (som huser Barnes-Jewish Hospital) alle omdøbt Barnes-Jewish Hospital. I dette tilfælde er Barnes-Jewish Hospital bruges til at reducere forvirring med University of Washington (Seattle). De synonymer blev bestemt ved manuel søgning af Clinicaltrials.gov databasen de eponyme NIC kræftcentre, og ofte stødt forkortelser

doi:. 10,1371 /journal.pone.0121233.s002

(CSV)

S3 Table . . Clinicaltrials.gov – PubMed korrelationer

Denne liste viser korrelationen mellem antallet af kliniske forsøg, der er registreret på Clinicaltrials.gov og det summerede impact factor af PubMed publikationer for specifikke sygdomme og for kræft samlet

doi: 10,1371 /tidsskrift. .pone.0121233.s003

(CSV)

S4 Table. . Kliniske forsøg registreringer, som institution, sygdom, og fase

I kombination med S5 Table, repræsenterer dette en fuld regnskabsmæssig af de data, der ligger til grund resuméet foranstaltning, der anvendes i hoveddelen af ​​papiret

doi:. 10,1371 /tidsskrift. pone.0121233.s004

(CSV)

S5 Table. Kliniske forsøg publikationer og summeres effektfaktorer ved institution, sygdom, og fase

doi:. 10,1371 /journal.pone.0121233.s005

(CSV)