Empirical evaluation of the Q-Genie tool: a protocol for assessment of effectiveness
Notice bibliographique
Résumé
INTRODUCTION: Meta-analyses of genetic association studies are affected by biases and quality shortcomings of the individual studies. We previously developed and validated a risk of bias tool for use in systematic reviews of genetic association studies. The present study describes a larger empirical evaluation of the Q-Genie tool. METHODS AND ANALYSIS: MEDLINE, Embase, Global Health and the Human Genome Epidemiology Network will be searched for published meta-analyses of genetic association studies. Twelve reviewers in pairs will apply the Q-Genie tool to all studies in included meta-analyses. The Q-Genie will then be evaluated on its ability to (i) increase precision after exclusion of low quality studies, (ii) decrease heterogeneity after exclusion of low quality studies and (iii) good agreement with experts on quality rating by Q-Genie. A qualitative assessment of the tool will also be conducted using structured questionnaires. DISCUSSION: This systematic review will quantitatively and qualitatively assess the Q-Genie's ability to identify poor quality genetic association studies. This information will inform the selection of studies for inclusion in meta-analyses, conduct sensitivity analyses and perform metaregression. Results of this study will strengthen our confidence in estimates of the effect of a gene on an outcome from meta-analyses, ultimately bringing us closer to deliver on the promise of personalised medicine. ETHICS AND DISSEMINATION: An updated Q-Genie tool will be made available from the Population Genomics Program website and the results will be submitted for a peer-reviewed publication.
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 | 0,004 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| 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 | 0,000 |
| 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 ».