Retrieving randomized controlled trials from <scp>medline</scp>: a comparison of 38 published search filters
Notice bibliographique
Résumé
BACKGROUND: People search medline for trials of healthcare interventions for clinical decisions, or to produce systematic reviews, practice guidelines, or technology assessments. Finding all relevant randomized controlled trials (RCTs) with little extraneous material is challenging. OBJECTIVE: To provide comparative data on the operating characteristics of search filters designed to retrieve RCTs from medline. METHODS: We identified 38 filters. The testing database comprises handsearching data from 161 clinical journals indexed in medline. Sensitivity, specificity and precision were calculated. RESULTS: The number of terms and operating characteristics varied considerably. Comparing the retrieval against the single term 'randomized controlled trials.pt.' (sensitivity for retrieving RCTs, 93.7%), 24 of 38 filters had statistically higher sensitivity; 6 had a sensitivity of at least 99.0%. Four other filters had specificities (non retrieval of non-RCTs) that were statistically not different or better than the single term (97.6%). Precision was poor: only two filters had precision (proportion of retrieved articles that were RCTs) statistically similar to that of the single term (56.4%)-all others were lower. Filters with more search terms often had lower specificity, especially at high sensitivities. CONCLUSION: Many RCT filters exist (n = 38). These comparative data can direct the choice of an RCT filter.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,393 | 0,786 |
| Méta-épidémiologie (sens strict) | 0,004 | 0,003 |
| Méta-épidémiologie (sens large) | 0,012 | 0,015 |
| Bibliométrie | 0,044 | 0,032 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,008 | 0,010 |
| Science ouverte | 0,005 | 0,006 |
| Intégrité de la recherche | 0,006 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 0,001 |
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; l’étiquette directe de Gemma et le classifieur distillé Codex s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».