MétaCan
Menu
Retour à la cohorte
Enregistrement W1845019632 · doi:10.1111/j.1360-0443.2008.02164.x

RESPONSE TO DR KARI POIKOLAINEN: THE PERSISTENT, ALTERNATIVE ARGUMENT TO APPARENT CARDIOPROTECTIVE EFFECTS OF ALCOHOL

2008· letter· en· W1845019632 sur OpenAlexaff
Tanya Chikritzhs, Kaye Middleton Fillmore, Tim Stockwell

Notice bibliographique

RevueAddiction · 2008
Typeletter
Langueen
DomaineMedicine
ThématiqueAlcohol Consumption and Health Effects
Établissements canadiensUniversity of Victoria
Organismes subventionnairesnon disponible
Mots-clésConfoundingArgument (complex analysis)PsychologyMedicineSelection biasEpidemiologyCohort studyIncidence (geometry)PathologyInternal medicine

Résumé

récupéré en direct d'OpenAlex

Addiction recently published a commentary by Poikolainen [1] on a cohort study by Harriss et al. [2] which supported the hypothesis that errors in the definition of ‘abstainers’ were responsible for apparent cardioprotective effects of alcohol, especially for male drinkers. Shaper et al. [3] first proposed that many prospective studies classified erroneously both former and occasional drinkers as ‘abstainers’. However, Poikolainen [1] also criticized our meta-analyses of the literature [4, 5] which supported the Shaper et al. hypothesis and suggested the possibility of gender differences in susceptibility to protection. Poikolainen [1] concluded: As usual in epidemiological research, scientists try to eliminate bias, confounding . . . Nevertheless, the protective effect of coronary heart disease incidence and all-cause mortality has remained. All but one meta-analysis agree on this point. The deviant one (1) [referenced here as [4]] found no protection, but was shown to have errors in the selection of studies and interpretation of findings (2–4) [referenced here as [6-8]]. We suggest that this conclusion suffers from at least two problems: It relied selectively on three of eight invited commentaries on our study [4] (see http://www.informaworld.com/smpp/title~content=g773385479~db=all) and overlooked our response to commentaries. The neglected five commentators on our research—Drs Andreasson, Holder, Rodgers et al., Romelsjö and Shaper—all endorsed efforts to understand more clearly potential misclassification error and confounding in these studies. Poikolainen [1] cites two objections to our study. First, it is alleged that there were mistakes in our selection of studies deemed to contain error—a position advanced by Klatsky [6] and Mukamal [7]. In order to identify probable misclassification error, we paid close attention to the precise wording of alcohol use questions found in all the studies examined in order to ensure that the functional meaning of specific drinking categories was very clear [4, 9]. We posit that the more ‘liberal’ definitions of drinking status applied by these studies (e.g. wording such as: ‘do you rarely/never drink?’ or ‘never or almost never drink’) contributed in large part to the possible mistaken conclusion that abstinence increases the risk of coronary heart disease. This domain of epidemiological research may be characterized as lacking in systematic attempts to address problems of confounding and bias (e.g. [10]), an important fact which Dr Poikolainen overlooks. Critical work which gives careful consideration to such issues warrants equally thoughtful consideration. In our view, it is entirely plausible that one well-designed study (e.g. [2]) may provide more insight into the true relationship between exposure and outcome than almost 30 years of systematically flawed and confounded studies.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,011
score de la tête « metaresearch » (Gemma)0,070
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Commentaire · Signal consensuel: Commentaire
Score de désaccord entre enseignants0,038
Score d'incertitude au seuil0,056

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0110,070
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0040,002
Bibliométrie0,0020,002
Études des sciences et des technologies0,0030,005
Communication savante0,0050,006
Science ouverte0,0050,003
Intégrité de la recherche0,0380,073
Charge utile insuffisante (le modèle a refusé de juger)0,0080,010

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.

Tête enseignante Opus0,053
Tête enseignante GPT0,332
Écart entre enseignants0,280 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreCommentaire

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations1
Publié2008
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAddictionMême sujetAlcohol Consumption and Health EffectsTravaux en français237 207