Factors Associated with Publication of Randomized Phase iii Cancer Trials in Journals with a High Impact Factor
Notice bibliographique
Résumé
BACKGROUND: Impact factor (if) is often used as a measure of journal quality. The purpose of the present study was to determine whether trials with positive outcomes are more likely to be published in journals with higher ifs. METHODS: We reviewed 476 randomized phase iii cancer trials published in 13 journals between 1995 and 2005. Multivariate logistic regression models were used to investigate predictors of publication in journals with high ifs (compared with low and medium ifs). RESULTS: A positive outcome had the strongest association with publication in high-if journals [odds ratio (or): 4.13; 95% confidence interval (ci): 2.67 to 6.37; p < 0.001]. Other associated factors were a larger sample size (or: 1.06; 95% ci: 1.02 to 1.10; p = 0.001), intention-to-treat analysis (or: 2.53; 95% ci: 1.56 to 4.10; p < 0.001), North American authors (or for European authors: 0.36; 95% ci: 0.23 to 0.58; or for international authors: 0.41; 95% ci: 0.20 to 0.82; p < 0.001), adjuvant therapy trial (or: 2.58; 95% ci: 1.61 to 4.15; p < 0.001), shorter time to publication (or: 0.84; 95% ci: 0.77 to 0.92; p < 0.001), uncommon tumour type (or: 1.39; 95% ci: 0.90 to 2.13; p = 0.012), and hematologic malignancy (or: 3.15; 95% ci: 1.41 to 7.03; p = 0.012). CONCLUSIONS: Cancer trials with positive outcomes are more likely to be published in journals with high ifs. Readers of medical literature should be aware of this "impact factor bias," and investigators should be encouraged to submit reports of trials of high methodologic quality to journals with high ifs regardless of study outcomes.
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 | 0,072 | 0,434 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,022 | 0,032 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,005 | 0,003 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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; un appel candidat d’une seule source (Gemma direct ou Codex distillé), 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 ».