Systematic review of reviews including animal studies addressing therapeutic interventions for sepsis*
Notice bibliographique
Résumé
OBJECTIVE: Certain methodologic features of animal experiments such as random assignment have been found to reduce the risk of bias. Because animal research sometimes informs clinical practice, explicit acknowledgment of the risk of bias and clinical relevance cultivates realistic expectations on the part of clinicians reading preclinical studies. We assessed literature reviews of therapeutic interventions for sepsis that include animal experiments for explicit appraisals of the risk of bias and clinical relevance. DATA SOURCES: MEDLINE and EMBASE. STUDY SELECTION: Systematic reviews or meta-analyses of animal experiments focusing on therapeutic interventions for sepsis. DATA EXTRACTION: In teams of two, reviewers independently screened citations and abstracted data. We determined whether the reviews systematically incorporated critical appraisals for the risk of bias and clinical relevance of the underlying studies as well as explicit extrapolations from preclinical research to human patients. DATA SYNTHESIS: From 164 citations, we retained 45 reviews. Chance-corrected agreement for inclusion was moderate (κ 0.57). Three (7%) met our criteria for a systematic review and one (2%) systematically appraised the risk of bias and the clinical relevance of the primary animal experiments. Thirty-six (80%) were narrative reviews addressing issues related to diverse topics such as pathophysiology and diagnosis as well as multiple therapies and 40 of 45 (89%) included both clinical and animal studies. Twelve (27%) explicitly assumed that data from preclinical studies could apply to human patients. CONCLUSIONS: Although a significant proportion of reviews extrapolated preclinical study results to human patients, most did not systematically appraise the risk of bias or the clinical relevance of preclinical research. Because animal experiments may influence clinical practice, we propose a framework to enhance these features in future reviews of preclinical research.
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 | 0,055 | 0,237 |
| Méta-épidémiologie (sens strict) | 0,004 | 0,002 |
| Méta-épidémiologie (sens large) | 0,017 | 0,012 |
| Bibliométrie | 0,023 | 0,023 |
| Études des sciences et des technologies | 0,002 | 0,003 |
| Communication savante | 0,005 | 0,006 |
| Science ouverte | 0,004 | 0,003 |
| Intégrité de la recherche | 0,005 | 0,002 |
| 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; 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 ».