A reporting guideline for clinical platelet transfusion studies from the BEST Collaborative
Notice bibliographique
Résumé
BACKGROUND: A systematic review of randomized controlled trials and observational studies assessing platelet (PLT) transfusion therapy identified gaps in the descriptions of trial design, variables of the PLT products transfused, and outcomes. We aimed to systematically develop a reporting guideline to aid in designing, reporting, and critiquing PLT trials. STUDY DESIGN AND METHODS: With the use of expert opinion, a preliminary checklist of 23 items was created. The Delphi method, an iterative forecasting method, was used to achieve consensus among experts to systematically improve upon the preliminary checklist. Items were ranked for inclusion using a 7-point Likert scale from "definitely should not" to "very important to" include. Criteria were established a priori based on the mean score: at least 5.5 accept, 2.6 to 5.4 intermediate, and not more than 2.5 eliminate. Intermediate items were edited and sent out in subsequent rounds for review. Three rounds were undertaken to determine the final checklist. RESULTS: Initially 33 experts participated, decreasing to 25 by the third round. The preliminary checklist consisted of 23 items spread over four sections: methods and intervention, PLT-specific outcomes, PLT-specific results, and PLT-specific adverse events. After three rounds of the Delphi method, the checklist was expanded and refined to include 30 items. The final checklist was further enhanced by adding an explanatory guide. CONCLUSION: Use of the Delphi method was successful in finding consensus on items to include in reports of a clinical PLT transfusion study. The final checklist and explanatory guide will be useful for authors and editors to improve the reporting of PLT transfusion trials.
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 | 0,003 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 | 0,000 |
| 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 ».