Could we clinicians be the greatest barrier to real progress in our field?
Notice bibliographique
Résumé
In a recent editorial, Fiorella et al 1 marvel at the recent maturation of the neurointerventional surgical field, which they attribute to what they claim are ‘two seemingly diametrically opposed factors’: industry-driven research and evidence-based practice (emphasis ours).1 The thesis of the editorial is that, if randomized controlled trials (RCTs) are the gold standard, they are not feasible in many circumstances. Here is the list of situations for which RCTs are allegedly not ‘feasible’: ‘At the introduction of a new device’; ‘When devices are designed to treat diseases that have a poor natural history with standard management’; ‘When no suitable control group exists’; ‘When iterative technologies emerge to compete with existing technology’; ‘When the disease is insufficiently prevalent for an RCT to be completed’; ‘When there is no market to support an industry-sponsored trial’; and ‘When treatment is proven for the same disease in a different patient population’.1 Are there any indications left? When should our community properly test innovative treatments against the standard management that has existed up until then? If not at the introduction of the innovation, when uncertainty is maximal; if not later in the process, when clinicians are ‘accumulating critical case experience’, and not even when a second iteration emerges, then when? According to the authors, it is too late when ‘equipoise no longer exists’. Thus we are invited to consider innovative solutions. Unfortunately, the small case series with historical comparisons that the authors propose can hardly qualify as innovative: they are the very methods which have previously misled us and that …
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 | 0,039 | 0,226 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,003 | 0,002 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,006 | 0,012 |
| Communication savante | 0,021 | 0,028 |
| Science ouverte | 0,005 | 0,005 |
| Intégrité de la recherche | 0,033 | 0,048 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,014 | 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; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».