How to generalize efficacy results of randomized trials: recommendations based on a systematic review of possible approaches
Notice bibliographique
Résumé
RATIONALE, AIMS AND OBJECTIVES: Randomized controlled trials (RCTs) are the preferred source for evidence for the effect of treatment. However, patients participating in RCTs often manifest important differences from patients seen in practice. Therefore, guideline developers have to decide whether the results are generalizable to the target population not represented in RCTs. METHOD: A systematic review of the literature was undertaken to identify methods to decide whether to generalize the results from RCTs to patients who were not represented in these trials. RESULTS: One approach is to examine the in- and exclusion criteria of trials and infer from these whether the trial population was sufficiently representative. Other authors suggest, because of the inclusion of a broader range of patients, reliance on observational studies if no direct evidence for the target population is available. Another approach is to apply the relative effect of treatment found in trials to patients in practice unless there is a compelling reason to believe the results would differ substantially as a function of particular characteristics of those patients. Although there are exceptions, this approach is supported by empirical evidence that, in general, relative effect of treatment on benefit outcomes seldom differs to an important extent across subgroups of patients. CONCLUSION: We propose this last approach: focusing on RCTs unless there is a compelling reason not to do so. Compelling reasons will most often be found with respect to issues of rare adverse effects, for which observational studies are likely to provide the best estimates.
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 | 0,941 | 0,984 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,059 | 0,020 |
| Bibliométrie | 0,002 | 0,004 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,002 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».