What do letters to the editor publish about randomized controlled trials? A cross-sectional study
Notice bibliographique
Résumé
BACKGROUND: To identify published letters to the editor (LTE) written in response to randomized controlled trials (RCTs), determine the topics addressed in the letters, and to examine if these topics were affected by the characteristics and results of the RCTs. METHODS: Comparative cross-sectional study of a representative sample of RCTs from a set of high-impact medical journals (BMJ, Lancet, NEJM, JAMA, and Annals of Internal Medicine). RCTs and their published LTE were searched from these 5 journals in 2007. Data were collected on RCTs and their characteristics (author affiliation, funding source, intervention, and effect on the primary outcome) and the topics addressed in published LTE related to these RCTs. Analysis included chi-square and regression analysis (RCT characteristics) and thematic analysis (LTE topics). RESULTS: Of 334 identified RCTs, 175 trials had at least one LTE. Of these, 381 published LTE were identified. Most RCTs, tested drug interventions (68%), were funded by government (54%) or industry (33%), and described an intervention that had a positive impact on the primary outcome (62%). RCT authors were primarily affiliated with an academic centre (78%). Ninety percent of the 623 LTE topics concerned methodological issues regarding the analysis, intervention, and population in the RCT. There was a significant association between funding source and impact on outcomes (p = 0.002) or type of intervention tested (p = 0.001) in these trials. Clinical and "Other" LTE topics were more likely to be published in response to a government funded RCT (p = 0.005 and p = 0.033, respectively); no other comparisons were significant. CONCLUSIONS: This study showed that most LTE are about methodological topics, but found little evidence to support that these topics are affected by the characteristics or results of the RCTs. The lack of association may be explained by editorial censorship as a small proportion of LTE that are submitted are actually published.
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 | 0,236 | 0,776 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,002 |
| Méta-épidémiologie (sens large) | 0,003 | 0,002 |
| Bibliométrie | 0,010 | 0,011 |
| Études des sciences et des technologies | 0,002 | 0,003 |
| Communication savante | 0,011 | 0,013 |
| Science ouverte | 0,003 | 0,003 |
| Intégrité de la recherche | 0,008 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 0,002 |
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.
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 ».