Users' guide to detecting misleading claims in research: Authors' reply
Notice bibliographique
Résumé
Users' guide to detecting misleading claims in researchMisleading claims may be symptom of even more serious flaws Editor-Montori et al justifiably draw attention to misleading claims in published clinical trials. 1 This is a serious and common problem. 2 3 However, I object to their radical proposal that only the methods and results sections should be read, while the remainder of the paper should be ignored.The proposal is inconsistent with the title of their paper, "Users' guide to detecting misleading claims in clinical research reports." 1 How are these misleading claims to be identified if the sections containing them are omitted?Furthermore, anyone capable of critically appraising a trial solely on the basis of the methods and results is unlikely to be fooled by misleading claims in the discussion.But, more importantly, the proposal would deprive the discerning reader of witnessing the conflict between the results and the unwarranted conclusions.If researchers are willing to disseminate misleading claims then their integrity is brought into question.But if so, then all aspects of the trial-including the methods and results sections-are also brought into question.Misleading claims should be identified and broadcast loudly for they signal doubts about the entire study.Large scale randomised trials create the ideal conditions for data manipulation.Yet this is merely one of a multitude of problems stemming from a flawed method. 3 The remedy?When reading a study, ignore everything except the number of patients recruited.If this is large proceed no further as there is little prospect of encountering any data of genuine benefit to patients.
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 | 0,084 | 0,439 |
| Méta-épidémiologie (sens strict) | 0,004 | 0,004 |
| Méta-épidémiologie (sens large) | 0,007 | 0,005 |
| Bibliométrie | 0,006 | 0,008 |
| Études des sciences et des technologies | 0,008 | 0,022 |
| Communication savante | 0,014 | 0,017 |
| Science ouverte | 0,015 | 0,010 |
| Intégrité de la recherche | 0,114 | 0,105 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,030 | 0,058 |
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 ».