MétaCan
Menu
Retour à la cohorte
Enregistrement W1858892668 · doi:10.1186/s13063-015-0976-7

Physical activity screening to recruit inactive randomized controlled trial participants: how much is too much?

2015· article· en· W1858892668 sur OpenAlexaff
Corneel Vandelanotte, Robert Stanton, Amanda L. Rebar, Anetta K. Van Itallie, Cristina M. Caperchione, Mitch J. Duncan, Trevor N. Savage, Richard R. Rosenkranz, Gregory S. Kolt

Notice bibliographique

RevueTrials · 2015
Typearticle
Langueen
DomaineMedicine
ThématiquePhysical Activity and Health
Établissements canadiensOkanagan University CollegeUniversity of British Columbia, Okanagan CampusUniversity of British Columbia
Organismes subventionnairesMedical Research CouncilNational Health and Medical Research CouncilNational Heart Foundation of Australia
Mots-clésMedicineRandomized controlled trialPhysical therapyInternal medicine

Résumé

récupéré en direct d'OpenAlex

UNLABELLED: Screening physical activity levels is common in trials to increase physical activity in inactive populations. Commonly applied single-item screening tools might not always be effective in identifying those who are inactive. We applied the more extensive Active Australia Survey to identify inactive people among those who had initially been misclassified as too active using a single-item measure. Those enrolled after the Active Australia Survey screening had significantly higher physical activity levels at subsequent baseline assessment. Thus, more extensive screening measures might result in the inclusion of participants who would otherwise be excluded, possibly introducing unwanted bias. TRIAL REGISTRATION: Australian New Zealand Clinical Trials Registry, ACTRN12611000157976.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,010
score de la tête « metaresearch » (Gemma)0,037
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche, Méta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Essai randomisé · Signal consensuel: Essai randomisé
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,041
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0100,037
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0080,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,488
Tête enseignante GPT0,499
Écart entre enseignants0,011 · 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 tête enseignante, pas un consensus.

Devis d'étudeEssai randomisé
Domainenon disponible
GenreEmpirique

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

En bref

Citations16
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueTrialsMême sujetPhysical Activity and HealthTravaux en français237 207