The Influence of Large Clinical Trials in Orthopedic Trauma
Notice bibliographique
Résumé
OBJECTIVES: To evaluate the influence of top fracture trials on the practice of orthopedic surgeons. DESIGN: This is a cross-sectional study. PARTICIPANTS: We electronically administered the survey to all members of the Canadian Orthopedic Association. We received responses for 222 surveys, of which, 178 surveys were completed. INTERVENTION: We distributed a survey that evaluated the influence of 7 important fracture studies (6 randomized controlled trials and 1 prospective cohort study) on practice, patient care and the overall advancement of knowledge in the field of orthopedics. This study was approved by our local ethics review board. MAIN OUTCOME MEASURE: The primary outcome measure was the perceived general influence and impact of important fracture studies on the perceptions and practice of orthopedic surgeons. RESULTS: The Clavicular Fixation Trial (2007) and Tibial Fracture Trial (SPRINT, 2008) were perceived by surgeons to have the greatest influence on advancing overall knowledge in the field, improving personal practice, and the most influence on improving patient care. On the other hand, the Bone Stimulation in Fractures Trial (2011) and the recombinant human bone morphogenetic protein-2-BESST Trial (2002) had the lowest mean influence ranks. The probability of changing practice was significantly higher (Odds Ratio, 2.89; 95% confidence interval, 2.16-3.88; P < 0.00001) when studies had positive outcomes in comparison with negative outcomes. CONCLUSIONS: Despite the complexity and costs associated with clinical trials in orthopedic trauma, the results from this survey suggest that these studies result in a demonstrable perceived influence and impact on the practice of orthopedic surgeons.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,016 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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 tête enseignante, 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 ».