Notice bibliographique
Résumé
Previous Users’ guides have described the evaluation of studies of the effectiveness of a treatment or intervention and studies of causation or aetiology (ie, studies assessing the relation between certain exposures and the development of a specific disease or condition). This Users’ guide will focus on related questions of the harmful effects of interventions or treatments—ie, the undesirable outcomes of treatments prescribed by healthcare providers. The criteria are those identified in the original JAMA users’ guide by Levine et al .1 Before we get started, a few preliminary notes. The concepts and criteria used to evaluate observational studies of treatment harm are the same as those used to assess studies of causation or aetiology. For example, an observational study may be conducted to determine the effects of second hand smoke in the home on the development of asthma in children. In such a study, children exposed to second hand smoke would be compared with those who were not exposed to see if the exposed and unexposed groups differed in terms of developing asthma. In this Users’ guide, we will be focusing on the harms of a treatment or intervention . For example, a study by Madsen et al assessed whether children who received mumps, measles, and rubella (MMR) vaccinations (intervention group) were more likely to develop autism than those who did not receive vaccinations (control group).2 In this Users’ guide, we will primarily refer to the intervention group (the equivalent of the exposed group) and the control group (the unexposed group). When considering studies of treatment harm, readers may encounter various terms used to refer to “harm”—studies may refer to risks, adverse events, side effects (often in relation to drugs), or the safety of an intervention. You are a nurse practitioner working in a paediatric primary care clinic. …
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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 ».