Reflections on meta-analyses involving trials stopped early for benefit: Is there a problem and if so, what is it?
Notice bibliographique
Résumé
We review controversies associated with randomized controlled trials (RCTs) stopped early for apparent benefit (truncated RCTs or tRCTs) and present our groups' perspective. Long-established theory, simulations and recent empirical evidence demonstrate that tRCTs will on average overestimate treatment effects, and this overestimation may be large, particularly when tRCTs have small number of events. Theoretical considerations and simulations demonstrate that on average, meta-analyses of RCTs with appropriate stopping rules will lead to only trivial overestimation of treatment effects. However, tRCTs will disproportionally contribute to meta-analytic estimates when tRCTs occur early in the sequence of trials with few subsequent studies, publication of nontruncated RCTs is delayed, there is publication bias, or tRCTs result in a 'freezing' effect in which 'correcting' trials are never undertaken. To avoid applying overestimates of effect to clinical decision-making, clinicians should view the results of individual tRCTs with small sample sizes and small number of events with skepticism. Pooled effects from meta-analyses including tRCTs are likely to overestimate effect when there is a substantial difference in effect estimates between the tRCTs and the nontruncated RCTs, and in which the tRCTs have a substantial weight in the meta-analysis despite themselves having a relatively small number of events. Such circumstances call for sensitivity analyses omitting tRCTs.
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 | 0,687 | 0,859 |
| Méta-épidémiologie (sens strict) | 0,005 | 0,005 |
| Méta-épidémiologie (sens large) | 0,016 | 0,025 |
| Bibliométrie | 0,013 | 0,014 |
| Études des sciences et des technologies | 0,006 | 0,046 |
| Communication savante | 0,025 | 0,050 |
| Science ouverte | 0,018 | 0,012 |
| Intégrité de la recherche | 0,040 | 0,081 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,004 |
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 ».