Conflicts of interest in nutritional sciences: The forgotten bias in meta-analysis
Notice bibliographique
Résumé
Awareness of conflicts of interest (COI) in medicine began in the 1980s. More recently, the problem has gained notoriety in nutritional sciences. COI with industry could bias study conclusions in the context of research activities and scientific publications on nutritional sciences. The issue of COI in nutritional sciences deserves more attention and requires careful analyses as biased information can negatively impact the development of dietary guidelines and, ultimately, population health. Decision-making is generally based on available, published evidence, but when the results are ambivalent, it is easier to opt for the status quo and ask for more studies. Readers might wonder if research is subsidized by industry as a counterbalancing strategy based on levels of evidence-only to slow down eminent positions and/or legislation on the food sector? How can this problem be overcome without producing paranoia and McCarthyism while trying to be as methodological as possible?
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 | 0,449 | 0,650 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,002 |
| Méta-épidémiologie (sens large) | 0,013 | 0,012 |
| Bibliométrie | 0,008 | 0,013 |
| Études des sciences et des technologies | 0,002 | 0,008 |
| Communication savante | 0,008 | 0,012 |
| Science ouverte | 0,008 | 0,005 |
| Intégrité de la recherche | 0,011 | 0,013 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,001 |
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 ».