The Role of Systematic Reviews and Meta-Analyses of Incidence and Prevalence Studies in Neuroepidemiology
Notice bibliographique
Résumé
BACKGROUND: Systematic reviews and meta-analyses on the incidence and prevalence of neurological conditions are important methods of quantifying the burden and risk of disease. METHODS: The rigorous methodology required in order to minimize publication bias, account for study heterogeneity, and variation in study quality are described. When appropriate, a meta-analysis is a powerful statistical tool that can help synthesize a vast literature quantitatively, taking into account study heterogeneity. As the epidemiology of neurological conditions continue to be widely studied internationally, systematic reviews and meta-analyses have become essential. RESULTS: If not conducted carefully, systematic reviews and meta-analyses in neuroepidemiology may lead to erroneous conclusions. It is important to consider various methodological, clinical and statistical factors at all stages of the review and analysis process. Detailed documentation should be kept to assist in the reporting process. CONCLUSIONS: Published reporting standards should be consulted when conducting systematic reviews and meta-analyses of the incidence and prevalence of neurological conditions, though reporting standards specific to neuroepidemiology are urgently needed.
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 | 0,562 | 0,780 |
| Méta-épidémiologie (sens strict) | 0,007 | 0,006 |
| Méta-épidémiologie (sens large) | 0,029 | 0,033 |
| Bibliométrie | 0,035 | 0,028 |
| Études des sciences et des technologies | 0,002 | 0,005 |
| Communication savante | 0,016 | 0,017 |
| Science ouverte | 0,009 | 0,008 |
| Intégrité de la recherche | 0,010 | 0,010 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».