MétaCan
Menu
Retour à la cohorte
Enregistrement W2135596283 · doi:10.1177/096228020101000502

Statistical methods for the meta-analysis of cluster randomization trials

2001· article· en· W2135596283 sur OpenAlex

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.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.
fundUn bailleur canadien est enregistré sur le travail.

Notice bibliographique

RevueStatistical Methods in Medical Research · 2001
Typearticle
Langueen
DomaineMathematics
ThématiqueStatistical Methods and Bayesian Inference
Établissements canadiensWestern University
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésMeta-analysisEstimatorRandomizationComputer scienceContext (archaeology)Cluster randomised controlled trialCluster (spacecraft)StatisticsRestricted randomizationStatistical powerVariance (accounting)Sample size determinationEconometricsStatistical hypothesis testingClinical trialRandomized controlled trialMedicineMathematics

Résumé

récupéré en direct d'OpenAlex

Cluster randomization trials have become a very attractive research strategy, particularly for the evaluation of health service interventions. The need to conduct meta-analyses of such trials is also becoming more common. However, as with cluster randomization trials in general, such analyses raise special methodologic challenges. In this paper, we discuss and illustrate several statistical approaches that might be applied to a meta-analysis of cluster randomization trials, each of which has a binary endpoint. Statistical methods for constructing inferences for a summary intervention odds ratio include those based on Mantel-Haenszel procedures, the ratio estimator approach, Woolf procedures and generalized estimating equations using robust variance estimation. The advantages and disadvantages of each method are discussed in the context of an example.

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 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)0,249
score de la tête « metaresearch » (Gemma)0,743
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche, Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesMétarecherche
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,568
Score d'incertitude au seuil0,974

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,2490,743
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0050,001
Bibliométrie0,0010,004
Études des sciences et des technologies0,0000,002
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,002
Charge utile insuffisante (le modèle a refusé de juger)0,0260,000

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 Opus0,668
Tête enseignante GPT0,712
Écart entre enseignants0,044 · 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