Improving the External Validity of Clinical Trials: The Case of Multiple Chronic Conditions
Notice bibliographique
Résumé
The U.S. Department of Health and Human Services vision and strategic framework on multiple chronic conditions (MCCs) incorporates recommendations designed to facilitate research that will improve our knowledge about interventions and systems that will benefit individuals with MCCs (or multimorbidity). The evidence base supporting the management of patients with MCCs will be built through intervention trials specifically designed to address multimorbidity and identification of MCCs in participants across the clinical trial range. This article specifically focuses on issues relating to external validity with specific reference to trials involving patients with MCCs. The exclusion of such patients from clinical trials has been well documented. Randomized control trials (RCTs) are considered the "gold standard" of evidence, but may have drawbacks in relation to external validity, particularly in relation to multimorbidity. It may, therefore, be necessary to consider a broader range of research methods that can provide converging evidence on intervention effects to address MCCs. Approaches can also be taken to increase the usefulness of RCTs in general for providing evidence to inform multimorbidity management. Additional improvements to RCTs would include better reporting of inclusion and exclusion criteria and participant characteristics in relation to MCCs. New trials should be considered in terms of how they will add to the existing evidence base and should inform how interventions may work in different settings and patient groups. Research on treatments and interventions for patients with MCCs is badly needed. It is important that this research includes patient-centered measures and that generalizability issues be explicitly addressed. Journal of Comorbidity 2013;3:30-35.
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 | 0,017 | 0,030 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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; un appel candidat d’une seule tête enseignante, 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 ».