181 Addressing continuous data for participants excluded from trial analysis: a guide for systematic reviewers
Notice bibliographique
Résumé
Objectives To develop a framework for handling missing participant data for continuous outcomes in systematic reviews and assess its impact on risk of bias. Methods We conducted a consultative, iterative process. We considered sources that reflect real observed outcomes in participants followed-up in individual trials included in the systematic review, and developed a range of plausible strategies that would be progressively more stringent in challenging the robustness of the pooled estimates. We applied our approach to two example systematic reviews. Results We used 5 sources of data for imputing the means for participants with missing data: [A] the best mean score among the intervention arms of included trials, [B] the best mean score among the control arms of included trials, [C] the mean score from the control arm of the same trial, [D] the worst mean score among the intervention arms of included trials, [E] the worst mean score among the control arms of included trials. To impute SD, we used the median SD from the control arms of all included trials. Using these sources of data, we developed four progressively more stringent imputation strategies. In the first example review, effect estimates were diminished and lost significance as the strategies became more stringent, suggesting the need to rate down confidence in estimates of effect for risk of bias. In the second review, effect estimates maintained statistical significance using even the most stringent strategy, suggesting missing data does not undermine confidence in the results. The differences are due to: [1] the size of the effect and its precision, and [2] the percentage of missing participant data. Conclusions Our approach provides rigorous yet reasonable and relatively simple, quantitative guidance for judging the impact of risk of bias as a result of missing participant data in systematic reviews of continuous 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 | 0,386 | 0,614 |
| Méta-épidémiologie (sens strict) | 0,007 | 0,009 |
| Méta-épidémiologie (sens large) | 0,013 | 0,017 |
| Bibliométrie | 0,029 | 0,024 |
| Études des sciences et des technologies | 0,005 | 0,009 |
| Communication savante | 0,013 | 0,014 |
| Science ouverte | 0,015 | 0,010 |
| Intégrité de la recherche | 0,013 | 0,012 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,033 | 0,031 |
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 ».