MétaCan
Menu
Retour à la cohorte
Enregistrement W23195934 · doi:10.1007/bf03022005

Sample size calculations in randomized trials: common pitfalls

2007· editorial· en· W23195934 sur OpenAlexaff
Penelope M. A. Brasher, Rollin Brant

Notice bibliographique

RevueCanadian Journal of Anesthesia/Journal canadien d anesthésie · 2007
Typeeditorial
Langueen
DomaineMathematics
ThématiqueStatistical Methods in Clinical Trials
Établissements canadiensChild and Family Research InstituteVancouver Coastal Health Research InstituteUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésSample size determinationSample (material)Randomized controlled trialStatisticsPsychologyMedicineMathematicsPhysicsInternal medicineThermodynamics

Résumé

récupéré en direct d'OpenAlex
Aucun résumé dans les sources couvertes. Son absence est consignée, pas traitée comme un négatif.

Aucun résumé. Ce n'est pas une lacune de cette base de données : OpenAlex n'en a pas non plus. 23,3 % de la base est dans cet état, et le tri y repère MOITIÉ moins de métarecherche ; l'absence est donc un biais mesuré, et non un champ manquant.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,360
score de la tête « metaresearch » (Gemma)0,800
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche
Catégories consensuellesMétarecherche
DomaineSignal candidat: Méthodes · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Éditorial · Signal consensuel: Éditorial
Score de désaccord entre enseignants0,640
Score d'incertitude au seuil0,789

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,3600,800
Méta-épidémiologie (sens strict)0,0040,003
Méta-épidémiologie (sens large)0,0110,006
Bibliométrie0,0080,007
Études des sciences et des technologies0,0030,016
Communication savante0,0110,007
Science ouverte0,0110,003
Intégrité de la recherche0,0150,051
Charge utile insuffisante (le modèle a refusé de juger)0,0050,003

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.

Tête enseignante Opus0,196
Tête enseignante GPT0,452
Écart entre enseignants0,257 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; l’étiquette directe de Gemma et le classifieur distillé Codex s’accordent sur ce qui est montré ici.

Devis d'étudeSans objet
DomaineMéthodes
GenreÉditorial

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations30
Publié2007
Routes d'admission1
Résumé présentnon

Explorer davantage

Même revueCanadian Journal of Anesthesia/Journal canadien d anesthésieMême sujetStatistical Methods in Clinical TrialsTravaux en français237 207