Explanation and Elaboration of the Standards of Reporting of Neurological Disorders Checklist: A Guideline for the Reporting of Incidence and Prevalence Studies in Neuroepidemiology
Notice bibliographique
Résumé
BACKGROUND: Incidence and prevalence studies of neurological disorders play an extremely important role in hypothesis-generation, assessing the burden of disease and planning of health services. However, the assessment of disease estimates is hindered by the poor quality of reporting for such studies. We developed the Standards of Reporting of Neurological Disorders (STROND) guideline in order to improve the quality of reporting of neurological disorders from which prevalence, incidence, and outcomes can be extracted for greater generalisability. METHODS: The guideline was developed using a 3-round Delphi technique in order to identify the 'basic minimum items' important for reporting, as well as some additional 'ideal reporting items.' An e-consultation process was then used in order to gauge opinion by external neuroepidemiological experts on the appropriateness of the items included in the checklist. FINDINGS: The resultant 15 items checklist and accompanying recommendations were developed using a similar process and structured in a similar manner to the Strengthening of the Reporting of Observational Studies in Epidemiology checklist for ease of use. This paper presents the STROND checklist with an explanation and elaboration for each item, as well as examples of good reporting from the neuroepidemiological literature. CONCLUSIONS: The introduction and use of the STROND checklist should lead to more consistent, transparent and contextualised reporting of descriptive neuroepidemiological studies that should facilitate international comparisons, and lead to more accessible information for multiple stakeholders, ultimately supporting better healthcare decisions for neurological disorders.
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 | 0,262 | 0,407 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,003 |
| Méta-épidémiologie (sens large) | 0,003 | 0,007 |
| Bibliométrie | 0,014 | 0,007 |
| Études des sciences et des technologies | 0,003 | 0,004 |
| Communication savante | 0,006 | 0,007 |
| Science ouverte | 0,007 | 0,007 |
| Intégrité de la recherche | 0,010 | 0,011 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,011 | 0,010 |
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 ».