Development of the Standards of Reporting of Neurological Disorders (STROND) checklist
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
BACKGROUND: Incidence and prevalence studies of neurologic disorders play an important role in assessing the burden of disease and planning services. However, the assessment of disease estimates is hindered by problems in reporting for such studies. Despite a growth in published reports, existing guidelines relate to analytical rather than descriptive epidemiologic studies. There are also no user-friendly tools (e.g., checklists) available for authors, editors, and peer reviewers to facilitate best practice in reporting of descriptive epidemiologic studies for most neurologic disorders. OBJECTIVE: The Standards of Reporting of Neurological Disorders (STROND) is a guideline that consists of recommendations and a checklist to facilitate better reporting of published incidence and prevalence studies of neurologic disorders. METHODS: A review of previously developed guidance was used to produce a list of items required for incidence and prevalence studies in neurology. A 3-round Delphi technique was used to identify the "basic minimum items" important for reporting, as well as some additional "ideal reporting items." An e-consultation process was then used in order to gauge opinion by external neuroepidemiologic experts on the appropriateness of the items included in the checklist. FINDINGS: Of 38 candidate items, 15 items and accompanying recommendations were developed along with a user-friendly checklist. CONCLUSIONS: The introduction and use of the STROND checklist should lead to more consistent, transparent, and contextualized reporting of descriptive neuroepidemiologic studies resulting in more applicable and comparable findings and ultimately support better health care decisions.
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.
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 | 0,001 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 découle