Reducing Distortion – Identifying Areas to Improve the Quality of Randomized Clinical Trials Published in Anesthesiology Journals
Notice bibliographique
Résumé
Randomized clinical trials (RCTs) provide important evidence to inform clinical decision making; if these trials are of low quality, the resulting clinical decision will likely also be of low quality. The main purpose of this thesis was to conduct a series of methodological surveys that would identify potential areas of improvement in the quality of reporting for RCTs published in anesthesiology journals. Trial registration adequacy, adherence to CONSORT for Abstracts guidelines, and sample size calculation quality were all assessed, with a final chapter exploring the effect of industry funding on these methodological quality measures. While the results suggest improvement over time, the overall quality is still lacking. Industry sources funded a minority of the included RCTs, and did not appear to affect any of the measures of quality. More research is needed to confirm these findings and to identify tools for reducing the potential distortion emanating from low quality design and reporting.
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 | 0,800 | 0,930 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,005 |
| Méta-épidémiologie (sens large) | 0,009 | 0,012 |
| Bibliométrie | 0,017 | 0,019 |
| Études des sciences et des technologies | 0,004 | 0,010 |
| Communication savante | 0,014 | 0,015 |
| Science ouverte | 0,007 | 0,012 |
| Intégrité de la recherche | 0,007 | 0,007 |
| 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 ».