Intention-to-Treat Analysis but for Treatment Intention: How should Consumer Product Randomized Controlled Trials be Analyzed?
Notice bibliographique
Résumé
Background: Experimental study design, randomization, blinding, control, and the analysis of such data according to the intention-to-treat (ITT) principle are de-facto “gold standards” in pharmacotherapy research. While external treatment allocation under conditions of medical practice is conceptually reflected by in-study randomization in randomized controlled trials (RCTs) of therapeutic drugs, actual product use is based on self-selection in a consumer product setting. Discussion: With in-market product allocation being consumer-internal, there is no standard against which protocol adherence can be attuned, and the question arises, as to whether compliance-based analysis concepts reflect the real-world effects of consumer products. Summary: The lack of correspondence between RCTs and consumer market conditions becomes evident by the fact that even if, theoretically, all data would be available from all members of the real-world target population, it would be impossible to calculate either an ITT or a per-protocol effect. This renders the calculation of such estimates meaningless in consumer product research contexts.
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 | 0,626 | 0,827 |
| Méta-épidémiologie (sens strict) | 0,004 | 0,003 |
| Méta-épidémiologie (sens large) | 0,017 | 0,009 |
| Bibliométrie | 0,007 | 0,010 |
| Études des sciences et des technologies | 0,003 | 0,023 |
| Communication savante | 0,013 | 0,016 |
| Science ouverte | 0,008 | 0,004 |
| Intégrité de la recherche | 0,020 | 0,028 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 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 ».