Levels of Evidence in the Neurosurgical Literature
Notice bibliographique
Résumé
BACKGROUND: The importance of evidence-based medicine has been well documented and supported across various surgical subspecialties. OBJECTIVE: To quantify the levels of evidence across publications in the neurosurgical literature, to assess the change in evidence over time, and to indicate predictive factors of higher-level evidence. METHODS: We reviewed the levels of evidence across published clinical studies in 3 neurosurgical journals from 2009 to 2010. Randomized trials were evaluated by use of the Detsky quality of reporting scale. Levels-of-evidence data for the same journals in 1999 were obtained from the literature, and regression analysis was performed to identify predictive factors for higher-level evidence. RESULTS: Of 660 eligible articles, 14 (2.1%) were Level I, 54 (8.2%) were level II, 73 (11.1%) were Level III, 287 (43.5%) were level IV, and 232 (35.2%) were level V. The number of level I studies decreased significantly between 1999 and 2010 (3.4% vs. 2.1%, respectively; P = .01). Seven randomized clinical trials were identified, and 1 trial had significant methodological limitations (mean Detsky index = 16.3; SD = 1.8). Publications with larger sample size were significantly associated with higher levels of evidence (levels I and II; odds ratio, 1.7; 95% confidence interval, 1.45-2.05; P = .001). The ratio of higher levels of evidence to lower levels was 0.11. CONCLUSION: Higher levels of evidence (levels I and II) represent only 1 in 10 neurosurgical clinical papers in the top neurosurgical journals. Increased awareness of the need for better evidence in the field through education and adoption of the levels of evidence may improve the conduct and publication of prospective studies.
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 | 0,190 | 0,088 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,014 | 0,009 |
| Bibliométrie | 0,001 | 0,007 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,005 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,002 |
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; les deux têtes enseignantes 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 ».