Clearing Away the Smoke and Mirrors: Response to Dr O'Reilly
Notice bibliographique
Résumé
The arguments made by Dr O’Reilly are largely smoke and mirrors, with facts taken out of context to buttress his position. We are told that studies of CTOs have exceeded 4000 subjects, but Dr O’Reilly does not mention that only 416 subjects have completed RCTs. Dr O’Reilly also fails to men-tion that the benefits of CTOs largely disappear when people are compared with randomly or appropriately matched con-trol subjects. This finding includes preliminary results from Ontario comparing patients on ACT and CTOs with patients on ACT alone—results showing no additional benefit from CTOs (1). Regarding the assertion that CTOs improve com-pliance with follow-up, our initial argument also dealt with the fallacy of relying on outpatient contacts to evaluate CTOs. The NNT is useful in summarizing the effects of RCTs. Depending on how the NNT is calculated, it would take up to 100 CTOs to avoid a single admission and 500 to avoid an arrest, although these figures are lower, but still unacceptable, with intention-to-treat analyses (2).
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 | 0,011 | 0,059 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,004 | 0,006 |
| Communication savante | 0,004 | 0,008 |
| Science ouverte | 0,005 | 0,002 |
| Intégrité de la recherche | 0,048 | 0,087 |
| 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; 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 ».