Learning from past mistakes: assessing trial quality, power and eligibility in non-renal systemic lupus erythematosus randomized controlled trials
Notice bibliographique
Résumé
OBJECTIVES: To evaluate the post hoc study power of randomized controlled trials (RCTs) in the treatment of non-renal SLE and to determine the generalizability of these RCTs using an SLE database. METHODS: RCTs in non-renal SLE were identified using PubMed (1975-2007). Inclusion/exclusion criteria, trial quality (5-point scale) and results of each study were recorded. The inclusion/exclusion criteria were compared with an SLE database to determine the proportion of patients from the database who would theoretically be eligible for these trials. For each negative study, we calculated the post hoc study power. We also looked for temporal improvements of trials in the literature and examined if pharmaceutical involvement influenced trial quality. RESULTS: Sixty-four articles were included; the mean power of 30 negative studies was 24.6 +/- s.e.m. 3.9% (range 2.5-81.1%). Only one study had a power > 80%. Overall, potential eligibility of SLE patients in the database was 45.1 +/- s.e.m. 3.6%. Only 14 studies (21.9%) were of good quality. Fortunately, RCT quality is improving over time (trials <1995, compared with 1996-2002 and >2003; P < 0.001). Trials with pharmaceutical involvement had a significantly higher number of enrollees and better study quality. CONCLUSIONS: Negative RCTs in SLE were mostly underpowered but the generalizability of these trials was high. Determination of study power and the impact of eligibility criteria on generalizability of study results are crucial in the design of clinical trials to ensure applicability to clinical practice.
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 | 0,794 | 0,908 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,002 |
| Méta-épidémiologie (sens large) | 0,009 | 0,018 |
| Bibliométrie | 0,010 | 0,008 |
| Études des sciences et des technologies | 0,002 | 0,012 |
| Communication savante | 0,010 | 0,013 |
| Science ouverte | 0,006 | 0,006 |
| Intégrité de la recherche | 0,009 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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; 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 ».