Methods for the analysis of bleeding outcomes in randomized trials of PLT transfusion triggers
Notice bibliographique
Résumé
BACKGROUND: A number of methodologic challenges arise in the analysis of bleeding data from clinical trials of PLT transfusion triggers. It is important to understand the assumptions and role of the various methods of analysis to interpret published trials and to design future studies appropriately. STUDY DESIGN AND METHODS: The methods of analysis used for testing the effectiveness and safety of transfusion strategies are reviewed from several recent PLT transfusion trigger trials. The underlying assumptions of these methods are discussed, as well as the clinical interpretations of the resulting summary statistics. Four methods of analysis were applied to data from a large PLT transfusion trigger study to illustrate the differences in the interpretations that can arise from various approaches. RESULTS: PLT transfusion trigger trials of patients with leukemia have based their primary analyses on 1) simple dichotomous classifications of whether or not at least 1 day of clinically important bleeding was experienced; 2) the time to the first day of clinically important bleeding; and 3) the proportion of days at risk with clinically important bleeding. Recurrent event methods provide a robust alternative approach to the analysis of this kind of data and should be considered if interest is in capturing the overall burden of bleeding over time. These four methods differ in the extent to which they utilize information on the number of days with bleeding and the temporal variation in bleeding patterns. Inferences drawn regarding the relative safety and efficacy of different transfusion triggers can vary depending on the method of analysis. CONCLUSION: To rigorously design and analyze future PLT transfusion studies based on bleeding outcomes, it is important to have a clear understanding of the interpretation of the different ways of analyzing bleeding outcomes. The analysis strategy should be selected based on the clinical question being addressed.
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 | 0,541 | 0,722 |
| Méta-épidémiologie (sens strict) | 0,007 | 0,003 |
| Méta-épidémiologie (sens large) | 0,011 | 0,018 |
| Bibliométrie | 0,015 | 0,011 |
| Études des sciences et des technologies | 0,001 | 0,006 |
| Communication savante | 0,007 | 0,005 |
| Science ouverte | 0,008 | 0,005 |
| Intégrité de la recherche | 0,007 | 0,015 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,019 | 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; 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 ».