Meta-analyses of safety data: a comparison of exact versus asymptotic methods
Notice bibliographique
Résumé
The objectives of this study were to establish and describe a database of Cochrane and non-Cochrane meta-analyses of safety data and to determine under what conditions exact methods differ from asymptotic methods in meta-analyses of safety data. A sample of Cochrane (n = 500) and non-Cochrane (n = 200) systematic reviews was randomly selected and a database of safety meta-analyses established. Point estimates and confidence intervals for each meta-analysis were recalculated using exact methods and compared to the results of asymptotic methods. Cochrane reviews were nearly four times as likely as non-Cochrane reviews to contain meta-analyses of safety data (35% compared to 9%). More than 50% of safety meta-analyses contained an outcome with a rare event rate (<5%) and 30% contained at least one study with no events in one arm of the study. For rare event meta-analyses, exact point estimates differed substantially from asymptotic estimates 46% of the time, compared to 17% for those without rare events. Exact confidence intervals differed substantially from asymptotic ones 67% of the time compared to only 19% for those without rare events. The magnitude of differences was also correlated with the number of studies and the summary statistic used to combine the data. Asymptotic methods will not always be a good approximation for exact methods in safety meta-analyses. Event rates and number of studies should be closely examined when choosing the statistical method for combining rare event data.
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 | 0,294 | 0,641 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,002 |
| Méta-épidémiologie (sens large) | 0,015 | 0,022 |
| Bibliométrie | 0,016 | 0,016 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,008 | 0,011 |
| Science ouverte | 0,004 | 0,005 |
| Intégrité de la recherche | 0,003 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».