Pooling health‐related quality of life outcomes in meta‐analysis—a tutorial and review of methods for enhancing interpretability
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
BACKGROUND: - Meta-analyses of health-related quality of life (HRQL) outcomes present difficulties in interpretation when studies use different instruments to measure the same construct. Presentation of results in standard deviation units (standardized mean difference) is widely used but is limited by vulnerability to differential variability in populations enrolled and interpretational challenges. OBJECTIVE: - The objective of this study is to identify and describe the available approaches for enhancing interpretability of meta-analyses involving HRQL outcomes. FINDINGS: - We identified 12 approaches in three categories: Summary estimates derived from the pooled standardized mean difference: conversion to units of the most familiar instrument or to risk difference or odds ratio. These approaches remain vulnerable to differential variability in populations. Summary estimates derived from the individual trial summary statistics: conversion to units of the most familiar instrument or to ratio of means. Both are appropriate complementary approaches to measures derived from converted probabilities. Summary estimates derived from the individual trial summary statistics and established minimally important differences for all instruments: presentation in minimally important difference units or conversion to risk difference or odds ratio. Risk differences are ideal for balancing desirable and undesirable consequences of alternative interventions. CONCLUSION: - The use of these approaches may enhance the interpretability and the usefulness of systematic reviews involving HRQL outcomes. Copyright © 2011 John Wiley & Sons, Ltd.
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.
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 | 0,867 | 0,764 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,020 | 0,007 |
| Bibliométrie | 0,002 | 0,005 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,002 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 découle