Clinical trial registries are of minimal use for identifying selective outcome and analysis reporting
Notice bibliographique
Résumé
OBJECTIVE: This study aimed to examine selective outcome reporting (SOR) and selective analysis reporting (SAR) in randomized controlled trials (RCTs) and to explore the usefulness of trial registries for identifying SOR and SAR. STUDY DESIGN AND SETTING: We selected one "index outcome" for each of three comparative effectiveness reviews (CERs) of pharmacotherapy and extracted data on this outcome from trial registries and from study publications. RESULTS: Among 50 RCTs published since 2005 and reporting the index outcome, only 50% were listed in registries; 90% of RCTs were assessed as having SOR or SAR. The index outcome in the registry was different from that in the publication in 75% of trials in two CERs, and not specified at all in the third. Reported outcomes and analyses were not consistent between the publication's methods section and the results section in 33% and 46% of the two CERs where the index outcome was a benefit. There were no statistically significant predictors of SOR and SAR in our small sample where some predictors lacked variability. CONCLUSION: The SOR and SAR were frequent in this pilot study, and the most common type of SOR was the publication of outcomes that were not pre-specified. Trial registries were of little use in identifying SOR and of no use in identifying SAR.
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 | 0,880 | 0,949 |
| Méta-épidémiologie (sens strict) | 0,005 | 0,008 |
| Méta-épidémiologie (sens large) | 0,017 | 0,009 |
| Bibliométrie | 0,038 | 0,041 |
| Études des sciences et des technologies | 0,005 | 0,012 |
| Communication savante | 0,016 | 0,029 |
| Science ouverte | 0,011 | 0,018 |
| Intégrité de la recherche | 0,011 | 0,013 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,003 |
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; l’étiquette directe de Gemma et le classifieur distillé Codex 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 ».