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 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)0,690
score de la tête « metaresearch » (Gemma)0,927
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche, Méta-épidémiologie (sens strict), Méta-épidémiologie (sens large)
Catégories consensuellesMétarecherche
DomaineSignal candidat: Méthodes · Signal consensuel: Méthodes
Devis d'étudeSignal candidat: Autre devis · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,705
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,6900,927
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0710,009
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0020,000
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,972
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

Devis d'étudeAutre devis
DomaineMéthodes
GenreSynthèse

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