Challenges in Using the Randomized Trial Design to Examine the Influence of Treatment Preferences
Notice bibliographique
Résumé
The overall purpose of this methodological study was to investigate the strengths and limitations of the randomized clinical trial design in examining the influence of treatment preferences on outcomes. The study was a secondary analysis of data obtained in two randomized clinical trials that evaluated behavioral therapies for insomnia. In both trials, the same design and methods were used to assess participants' treatment preferences and outcomes, however, the treatments differed. The results illustrated the challenges encountered in using the randomized clinical trial design. The challenges were related to the unbalanced distribution of participants with preferences for the study treatments, non-comparability of the subgroups with treatments matched or mismatched to their preferences, differential attrition, which compromised the sample size and composition of the subgroups and limited the use of the planned statistical analyses. Whether these challenges occur in trials of other types of treatments and target populations should be explored in future research. Some strategies were proposed and should be evaluated for their utility in addressing these challenges.
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 | 0,864 | 0,901 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,003 |
| Méta-épidémiologie (sens large) | 0,009 | 0,007 |
| Bibliométrie | 0,005 | 0,007 |
| Études des sciences et des technologies | 0,003 | 0,014 |
| Communication savante | 0,009 | 0,011 |
| Science ouverte | 0,008 | 0,007 |
| Intégrité de la recherche | 0,007 | 0,010 |
| 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 ».