Reporting of intention-to-treat analyses in recent analgesic clinical trials: ACTTION systematic review and recommendations
Notice bibliographique
Résumé
The intention-to-treat (ITT) principle states that all subjects in a randomized clinical trial (RCT) should be analyzed in the group to which they were assigned, regardless of compliance with assigned treatment. Analyses performed according to the ITT principle preserve the benefits of randomization and are recommended by regulators and statisticians for analyses of RCTs. The objective of this study was to determine the frequency with which publications of analgesic RCTs in 3 major pain journals report an ITT analysis and the percentage of the author-declared ITT analyses that include all randomized subjects and thereby fulfill the most common interpretation of the ITT principle. RCTs investigating noninvasive, pharmacologic and interventional (eg, nerve blocks, implantable pumps, spinal cord stimulators, surgery) treatments for pain, published between January 2006 and June 2013 (n=173), were included. None of the trials using experimental pain models reported an ITT analysis; 47% of trials investigating clinical pain conditions reported an ITT analysis, and 5% reported a modified ITT analysis. Of the analyses reported as ITT, 67% reported reasons for excluding subjects from the analysis, and 18% of those listing reasons for exclusion did not do so in the Methods section. Such mislabeling can make it difficult to identify traditional ITT analyses for inclusion in meta-analyses. We hope that deficiencies in reporting identified in this study will encourage authors, reviewers, and editors to promote more consistent use of the term "intention to treat" for more accurate reporting of RCT-based evidence for pain treatments.
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 | 0,582 | 0,594 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,016 | 0,001 |
| 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 | 0,000 |
| 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; les deux têtes enseignantes 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 ».