MétaCan
Menu
Retour à la cohorte
Enregistrement W2133830580 · doi:10.1183/09031936.00075712

Sample sizes for clinical trials using sputum eosinophils as a primary outcome

2013· article· en· W2133830580 sur OpenAlexaff
Angira Dasgupta, Shiyuan Zhang, Lehana Thabane, Parameswaran Nair

Notice bibliographique

RevueEuropean Respiratory Journal · 2013
Typearticle
Langueen
DomaineMedicine
ThématiqueAsthma and respiratory diseases
Établissements canadiensMcMaster UniversitySt. Joseph’s Healthcare Hamilton
Organismes subventionnairesnon disponible
Mots-clésMedicineSample size determinationSputumClinical trialEosinophilAsthmaInternal medicineStatisticsMathematicsPathology

Résumé

récupéré en direct d'OpenAlex

Clinical trials do not report sputum eosinophil data in a consistent method and this makes it difficult to compare across studies and to evaluate the sample sizes estimated in these studies. The objectives of the paper are: 1) to systematically review reporting of effect size and sample calculations in randomised controlled trials using sputum eosinophil count as a primary outcome and 2) to illustrate sample size estimation under different methods of data representation using data from an effective anti-eosinophil treatment strategy (mepolizumab). Randomised controlled trials in adults (excluding allergen provocation models) of treatment of asthma and chronic obstructive pulmonary disease for the past 10 years were searched in Ovid MEDLINE and 20 studies were identified that met all the inclusion criteria. Only nine studies discussed sample size calculation. Change from baseline was used as an outcome in 11 studies and was expressed as change in absolute percentage count, percentage change from baseline or as fold changes. Assuming a minimal clinically important reduction of 15% in absolute terms, 18 subjects in each arm will be required to achieve 80% power using an ANCOVA analysis, which we recommend, to detect significance with an alpha error of 0.05.

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)0,288
score de la tête « metaresearch » (Gemma)0,642
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,288
Score d'incertitude au seuil0,879

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,2880,642
Méta-épidémiologie (sens strict)0,0030,002
Méta-épidémiologie (sens large)0,0120,019
Bibliométrie0,0120,008
Études des sciences et des technologies0,0010,005
Communication savante0,0040,007
Science ouverte0,0060,004
Intégrité de la recherche0,0080,008
Charge utile insuffisante (le modèle a refusé de juger)0,0150,002

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 Opus0,301
Tête enseignante GPT0,467
Écart entre enseignants0,166 · 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; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Devis d'étudeThéorique ou conceptuel
Domainenon disponible
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

Citations11
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEuropean Respiratory JournalMême sujetAsthma and respiratory diseasesTravaux en français237 207