MétaCan
Menu
Retour à la cohorte
Enregistrement W2123852523 · doi:10.1079/ahr200474

The design of randomized controlled trials of veterinary vaccines

2004· review· en· W2123852523 sur OpenAlexaff
Ian R. Dohoo

Notice bibliographique

RevueAnimal Health Research Reviews · 2004
Typereview
Langueen
DomaineMathematics
ThématiqueStatistical Methods in Clinical Trials
Établissements canadiensUniversity of Prince Edward Island
Organismes subventionnairesnon disponible
Mots-clésRandomized controlled trialClinical trialMedicineOutcome (game theory)Clinical study designVaccine trialVaccine efficacyIntensive care medicineSample size determinationVeterinary medicineVaccinationImmunologyPathologyStatisticsMathematics

Résumé

récupéré en direct d'OpenAlex

Randomized controlled trials of veterinary vaccines are essential if we are to have a reasonable understanding of how those vaccines can be expected to perform when used in the field. This manuscript reviews a few (but certainly not all) of the key elements that need to be considered in the design of veterinary vaccine trials. The first step in the design of such a trial is to have a clear statement of the objective of the trial that reflects what is expected of the vaccine (e.g. should it minimize clinical disease or does it need to prevent infection?). Because domestic animals are often managed in groups, the 'unit of concern' used in a vaccine trial becomes of great importance. Whether the trial should be carried out at the individual or group level will depend on the objectives of the trial and the extent of concern about 'group effects' affecting the trial. Sample sizes will also be influenced heavily by the choice of unit of concern and the nature of the primary outcome being assessed. Finally, while there is no easy solution (except to conduct group-level trials, which may be logistically impossible), the potential for group effects to influence the trial outcome must be considered.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,236
score de la tête « metaresearch » (Gemma)0,444
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche
Catégories consensuellesMétarecherche
DomaineSignal candidat: Méthodes · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,764
Score d'incertitude au seuil0,943

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,2360,444
Méta-épidémiologie (sens strict)0,0030,002
Méta-épidémiologie (sens large)0,0140,006
Bibliométrie0,0050,005
Études des sciences et des technologies0,0010,005
Communication savante0,0050,005
Science ouverte0,0040,002
Intégrité de la recherche0,0070,008
Charge utile insuffisante (le modèle a refusé de juger)0,0060,002

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 Opus0,972
Tête enseignante GPT0,781
Écart entre enseignants0,191 · 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; l’étiquette directe de Gemma et le classifieur distillé Codex s’accordent sur ce qui est montré ici.

Devis d'étudeSans objet
DomaineMéthodes
GenreMéthodes

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

En bref

Citations10
Publié2004
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAnimal Health Research ReviewsMême sujetStatistical Methods in Clinical TrialsTravaux en français237 207