Does Outcome Reporting Bias “Cause” Cancer? Risks Associated with Hidden Data on Angiotensin Receptor Blockers
Notice bibliographique
Résumé
Conflicting reports have been published regarding the influence of angiotensin receptor blockers (ARBs) on the incidence of cancer. One meta-analysis reported a 1% absolute increase in the incidence of cancer associated with ARBs over 4 years. Contrasting findings were reported in an industry-sponsored meta-analysis and in another meta-analysis, both of which showed no difference in the incidence of cancer in ARB treatment groups relative to control groups. The US Food and Drug Administration has recently asserted that evidence does not support an association between ARBs and the development of cancer. The current review compares the 3 published meta-analyses assessing the association between ARBs and cancer and shows that outcome reporting bias contributed to the conflicting results. Given the prevalence of this form of bias in the scientific literature, the processes for systematic reviews and meta-analyses are under siege, and there is an important role for health care regulators to play. If all outcome data from clinical trials were to be reported in the public domain, independent analyses could be performed and the results of industry-sponsored trials verified. Furthermore, if regulators were to mandate the publication, in the public domain, of all clinical outcomes collected in clinical trials, outcome reporting bias could be eliminated.RÉSUMÉContexte : Des rapports contradictoires ont été publiés quant à l’influence des antagonistes des récepteurs de l’angiotensine (ARA) sur l’incidence du cancer. Une méta-analyse a signalé une augmentation absolue de 1 % de l’incidence du cancer associée aux ARA sur une période de quatre ans. Des résultats très différents issus de deux méta-analyses, dont l’une a été commanditée par l’industrie, n’ont montré aucune différence dans l’incidence du cancer dans les groupes traités par les ARA comparativement aux groupes témoins. La Food and Drug Administration des États-Unis a déjà affirmé que les données probantes ne corroborent pas le lien entre les ARA et l’apparition de cancer. La présente analyse compare les trois méta-analyses publiées évaluant le lien entre les ARA et le cancer, et montre que les biais de publication des résultats ont contribué à ces conclusions contradictoires. Étant donné la prévalence de cette forme de biais dans la littérature scientifique, la démarche entourant les analyses systématiques et les méta-analyses est sur la sellette et les organismes de réglementation des soins de santé ont un important rôle à jouer dans ce contexte. Si toutes les données issues des études cliniques étaient rendues publiques, des analyses indépendantes pourraient être effectuées et les résultats des études commanditées par l’industrie pourraient être vérifiés. En outre, si les organismes de réglementation exigeaient de rendre publiques l’ensemble des données issues des études cliniques, on pourrait alors éliminer les biais de publication des résultats.
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 | 0,378 | 0,601 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,003 |
| Méta-épidémiologie (sens large) | 0,008 | 0,025 |
| Bibliométrie | 0,007 | 0,010 |
| Études des sciences et des technologies | 0,002 | 0,007 |
| Communication savante | 0,008 | 0,008 |
| Science ouverte | 0,005 | 0,006 |
| Intégrité de la recherche | 0,008 | 0,008 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 0,001 |
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 ».