Quality of information about success rates provided on assisted reproductive technology clinic websites in Australia and New Zealand
Notice bibliographique
Résumé
BACKGROUND: Many factors influence the chance of having a baby with assisted reproductive technologies (ART). A 2016 Australian Competition and Consumer Commission (ACCC) investigation concluded that ART clinics needed to improve the quality of information they provide about chance of ART success. AIM: To evaluate changes in the quality of information about success rates provided on the websites of ART clinics in Australia and New Zealand before and after the ACCC investigation. MATERIALS AND METHOD: Desktop audits of websites of ART clinics in Australia and New Zealand were conducted in 2016 and 2017 and available information about success rates was scored using a matrix with eight variables and a possible range of scores of 0-9. RESULTS: Of the 54 clinic websites identified in 2016, 32 had unique information and were eligible to be audited. Of these, 29 were also eligible to be audited in 2017. While there was a slight improvement in the mean score from 2016 to 2017 (4.93-5.28), this was not statistically significantly different. Of the 29 clinics, 14 had the same score on both occasions, 10 had a higher and five a lower information quality score in 2017. CONCLUSIONS: To allow people who consider ART to make informed decisions about treatment they need comprehensive and accurate information about what treatment entails and what the likely outcomes are. As measured by a scoring matrix, most ART clinics had not improved the quality of the information about success rates following the ACCC investigation.
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 | 0,013 | 0,084 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,004 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 source (Gemma direct ou Codex distillé), 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 ».