Optimal Strategies for Reporting Pain in Clinical Trials and Systematic Reviews: Recommendations from an OMERACT 12 Workshop
Notice bibliographique
Résumé
OBJECTIVE: Pain is a patient-important outcome, but current reporting in randomized controlled trials and systematic reviews is often suboptimal, impeding clinical interpretation and decision making. METHODS: A working group at the 2014 Outcome Measures in Rheumatology (OMERACT 12) was convened to provide guidance for reporting treatment effects regarding pain for individual studies and systematic reviews. RESULTS: For individual trials, authors should report, in addition to mean change, the proportion of patients achieving 1 or more thresholds of improvement from baseline pain (e.g., ≥ 20%, ≥ 30%, ≥ 50%), achievement of a desirable pain state (e.g., no worse than mild pain), and/or a combination of change and state. Effects on pain should be accompanied by other patient-important outcomes to facilitate interpretation. When pooling data for metaanalysis, authors should consider converting all continuous measures for pain to a 100 mm visual analog scale (VAS) for pain and use the established, minimally important difference (MID) of 10 mm, and the conventionally used, appreciably important differences of 20 mm, 30 mm, and 50 mm, to facilitate interpretation. Effects ≤ 0.5 units suggest a small or very small effect. To further increase interpretability, the pooled estimate on the VAS should also be transformed to a binary outcome and expressed as a relative risk and risk difference. This transformation can be achieved by calculating the probability of experiencing a treatment effect greater than the MID and the thresholds for appreciably important differences in pain reduction in the control and intervention groups. CONCLUSION: Presentation of relative effects regarding pain will facilitate interpretation of treatment effects.
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 | 0,837 | 0,748 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,010 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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 ».