MétaCan
Menu
Retour à la cohorte
Enregistrement W2122210506 · doi:10.1136/bmjopen-2013-002727

Quality improvement needed in quality improvement randomised trials: systematic review of interventions to improve care in diabetes

2013· article· en· W2122210506 sur OpenAlexafffund
Noah Ivers, Andrea C. Tricco, Monica Taljaard, Ilana Halperin, Lucy Turner, David Moher, Jeremy Grimshaw

Notice bibliographique

RevueBMJ Open · 2013
Typearticle
Langueen
DomaineHealth Professions
ThématiqueHealth Policy Implementation Science
Établissements canadiensOttawa HospitalUniversity of OttawaSt. Michael's HospitalWomen's College HospitalUniversity of Toronto
Organismes subventionnairesDepartment of Family and Community Medicine, University of TorontoUniversity of TorontoOntario Ministry of Health and Long-Term CareCanadian Institutes of Health ResearchUniversity of Ottawa
Mots-clésMedicinePsychological interventionQuality managementQuality (philosophy)Alternative medicineIntensive care medicineDiabetes mellitusClinical trialMEDLINENursingInternal medicinePathologyOperations management

Résumé

récupéré en direct d'OpenAlex

OBJECTIVE: Despite the increasing numbers of published trials of quality improvement (QI) interventions in diabetes, little is known about the risk of bias in this literature. DESIGN: Secondary analysis of a systematic review. DATA SOURCES: Medline, the Cochrane Effective Practice and Organisation of Care (EPOC) database (from inception to July 2010) and references of included studies. ELIGIBILITY CRITERIA: Randomised trials assessing 11 predefined QI strategies or financial incentives targeting health systems, healthcare professionals or patients to improve the management of adult outpatients with diabetes. ANALYSIS: Risk of bias (low, unclear or high) was assessed for the 142 trials in the review across nine domains using the EPOC version of the Cochrane Risk of Bias Tool. We used Cochran-Armitage tests for trends to evaluate the improvement over time. RESULTS: There was no significant improvement over time in any of the risk of bias domains. Attrition bias (loss to follow-up) was the most common source of bias, with 24 trials (17%) having high risk of bias due to incomplete outcome data. Overall, 69 trials (49%) had at least one domain with high risk of bias. Inadequate reporting frequently hampered the risk of bias assessment: allocation sequence was unclear in 82 trials (58%) and allocation concealment was unclear in 78 trials (55%). There were significant reductions neither in the proportions of studies at high risk of bias over time nor in the adequacy of reporting of risk of bias domains. CONCLUSIONS: Nearly half of the included QI trials in this review were judged to have high risk of bias. Such trials have serious limitations that put the findings in question and therefore inhibit evidence-based QI. There is a need to limit the potential for bias when conducting QI trials and improve the quality of reporting of QI trials so that stakeholders have adequate evidence for implementation.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,083
score de la tête « metaresearch » (Gemma)0,051
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche, Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesMétarecherche
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Revue systématique · Signal consensuel: Revue systématique
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,255
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0830,051
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0030,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0010,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,689
Tête enseignante GPT0,725
Écart entre enseignants0,036 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

Devis d'étudeRevue systématique
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations20
Publié2013
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueBMJ OpenMême sujetHealth Policy Implementation ScienceTravaux en français237 207