Nonserious Adverse Events in Randomized Trials with Opioid‐Dependent Pregnant Women: Direct versus Indirect Measurement
Notice bibliographique
Résumé
BACKGROUND AND OBJECTIVES: How best to measure the occurrence of adverse events during a randomized clinical trial is an issue that has not been adequately examined in the research literature. Focus of this study was on the examination of the relative frequency of occurrence of adverse events directly recorded during the conduct of the trial compared to an indirect determination of adverse events derived from data collected as part of the trial. METHODS: A secondary analysis of nonserious adverse events that occurred in the Maternal Opioid Treatment: Human Experimental Research (MOTHER) Study was undertaken. MOTHER was a randomized clinical trial of methadone versus buprenorphine in 175 opioid-dependent pregnant women. RESULTS: The two methods of recording adverse events failed to agree on where differences in the frequency of occurrence of adverse events between the medication conditions might exist. Moreover, indirect assessment indicated all participants had experienced at least one adverse event, yet indirect coverage of adverse events was incomplete. CONCLUSIONS: Findings suggest indirect examination of occurrence of adverse events should be cautiously undertaken, because indirect assessment of adverse events makes no distinction between what might be simply typical variation in behavior rather than systematic changes in behavior attributable to study condition, and lacks coverage of the full spectrum of adverse events. SCIENTIFIC SIGNIFICANCE: Contemporaneous direct measurement of adverse events likely yield reasonably valid estimates of the rate of occurrence of the adverse events, while indirect measu-rement of adverse events may not be sufficiently reliable.
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 | 0,007 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».