The need for pragmatic clinical trials in low and middle income settings – taking essential neonatal interventions delivered as part of inpatient care as an illustrative example
Notice bibliographique
Résumé
BACKGROUND: Pragmatic randomized trials aim to examine the effects of interventions in the full spectrum of patients seen by clinicians who receive routine care. Such trials should be employed in parallel with efforts to implement many interventions which appear promising but where evidence of effectiveness is limited. We illustrate this need taking the case of essential interventions to reduce inpatient neonatal mortality in low and middle income countries (LMIC) but suggest the arguments are applicable in most clinical areas. DISCUSSION: A set of basic interventions have been defined, based on available evidence, that could substantially reduce early neonatal deaths if successfully implemented at scale within district and sub-district hospitals in LMIC. However, we illustrate that there remain many gaps in the evidence available to guide delivery of many inpatient neonatal interventions, that existing evidence is often from high income settings and that it frequently indicates uncertainty in the magnitude or even direction of estimates of effect. Furthermore generalizing results to LMIC where conditions include very high patient staff ratios, absence of even basic technologies, and a reliance on largely empiric management is problematic. Where there is such uncertainty over the effectiveness of interventions in different contexts or in the broad populations who might receive the intervention in routine care settings pragmatic trials that preserve internal validity while promoting external validity should be increasingly employed. Many interventions are introduced without adequate evidence of their effectiveness in the routine settings to which they are introduced. Global efforts are needed to support pragmatic research to establish the effectiveness in routine care of many interventions intended to reduce mortality or morbidity in LMIC. Such research should be seen as complementary to efforts to optimize implementation.
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 | 0,562 | 0,699 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,002 |
| Méta-épidémiologie (sens large) | 0,010 | 0,008 |
| Bibliométrie | 0,005 | 0,006 |
| Études des sciences et des technologies | 0,003 | 0,016 |
| Communication savante | 0,019 | 0,030 |
| Science ouverte | 0,008 | 0,013 |
| Intégrité de la recherche | 0,028 | 0,026 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,010 | 0,003 |
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 ».