Controlling ecological bias in evidence synthesis of trials reporting on collapsed and overlapping covariate categories
Notice bibliographique
Résumé
Meta-analysis of randomized controlled trials based on aggregated data is vulnerable to ecological bias if trial results are pooled over covariates that influence the outcome variable, even when the covariate does not modify the treatment effect, or is not associated with the treatment. This paper shows how, when trial results are aggregated over different levels of covariates, the within-study covariate distribution, and the effects of both covariates and treatments can be simultaneously estimated, and ecological bias reduced. Bayesian Markov chain Monte Carlo methods are used. The method is applied to a mixed treatment comparison evidence synthesis of six alternative approaches to post-stroke inpatient care. Results are compared with a model using only the stratified covariate data available, where each stratum is treated as a separate trial, and a model using fully aggregated data, where no covariate data are used.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,668 | 0,880 |
| Méta-épidémiologie (sens strict) | 0,005 | 0,005 |
| Méta-épidémiologie (sens large) | 0,021 | 0,023 |
| Bibliométrie | 0,018 | 0,026 |
| Études des sciences et des technologies | 0,003 | 0,009 |
| Communication savante | 0,011 | 0,012 |
| Science ouverte | 0,006 | 0,014 |
| Intégrité de la recherche | 0,009 | 0,009 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
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; l’étiquette directe de Gemma et le classifieur distillé Codex s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».