Quality and content of abstracts in papers reporting about drug exposures during pregnancy
Notice bibliographique
Résumé
BACKGROUND: Most clinicians read only the abstract of papers in scientific journals. Therefore, it is very important that abstracts contain as much information as possible, to summarize the data succinctly. Our objectives were to evaluate the quality of information in abstracts reporting human fetal outcomes following drug exposure during pregnancy. METHODS: We developed quality criteria based on previous work, modifying them for use with pregnancy outcomes. Quality scores were calculated as present/absent for all of the equally weighted criteria, then expressed as percentages (present/[present + absent]). We examined a random sample of 100 abstracts obtained through searches of MEDLINE, EMBASE, and the Web of Science databases from 1990 to 2005. Average quality scores were compared across designs (cohort, case-control, meta-analysis, and mixed design) Using Kruskal-Wallis ANOVA and structured/unstructured formats using Student's t test. RESULTS: The overall average quality was 59.2% +/- 14% (median, 61.5%; range, 15.4-83.3%). Quality was not significantly different across designs (P = .16) or between structured and unstructured abstracts (P = .44). Quality scores increased over time (Rho = 0.23, P = .02). Most frequently absent were baseline risk (94%), drug dose (91%), nonsignificant P values (72%), confounders (69%), significant P values (57%), and risk difference (48%). CONCLUSIONS: Abstracts provide insufficient information, particularly baseline risk values, for readers to make evidence-based decisions regarding drug use during pregnancy. Efforts need to be made to improve the quality of abstracts and include critical information such as baseline risk.
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 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 | 0,097 | 0,114 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,003 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| 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 découleClassification
machine, non validéePrédiction automatique; les deux têtes enseignantes 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 ».