Seeking a simple measure of analgesia for mega-trials: is a single global assessment good enough?
Notice bibliographique
Résumé
We sought to investigate the potential of using a simple global estimation ('How effective do you think the treatment was?') as a measure of efficacy by comparing it with at least 50%maxTOTPAR (at least 50% of the maximum possible pain relief) in acute pain studies. One hundred and fifty randomized, double-blind trials included in 11 systematic reviews of single dose, oral analgesics for postoperative pain were used as a source of data. The relationship between the proportion of patients reporting the top two or three values on a five-point global scale and the proportion with at least 50%maxTOTPAR was investigated. Twenty-six trials provided data on the proportion reporting the top two categories (very good or excellent) and 27 gave data on the top three categories (good, very good or excellent). The relationship between the percentage of patients recording the top two categories on a five-point global scale and the proportion with at least 50%maxTOTPAR was fair (r(2)=0.67). That for the top three categories was less good (r(2)=0.57). Similar numbers-needed-to-treat were calculated for aspirin 600/650 mg and ibuprofen 400 mg using at least 50%maxTOTPAR and the top two categories. No real difference was seen in the correlation for standard wording compared to non-standard wording. Individual patient data were also used from four randomized, placebo-controlled, double-blind trials in postoperative pain. The frequency distribution for %maxTOTPAR was plotted for patients reporting each of the five categories on the global scale. A global assessment provides similar measures of analgesic efficacy as TOTPAR derived from hourly measurements, but the effects of adverse effects have yet to be understood.
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 | 0,013 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,007 | 0,004 |
| Bibliométrie | 0,000 | 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; un appel candidat d’une seule tête enseignante, 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 ».