On the pooling and subgrouping of data from percutaneous coronary intervention versus coronary artery bypass grafting trials: a call to circumspection
Notice bibliographique
Résumé
In the modern era, treatment choice is guided by scientific evidence, usually gathered from well-conducted clinical trials, and often followed by the pooling of their data. In this article, we review the most recent pooled evidence regarding myocardial revascularization strategies and discuss how these meta-analyses have inherent shortcomings that should be better understood, prior to their purported conclusions potentially influencing clinical decisions. \n \nProperly conducted randomized trials comparing percutaneous coronary intervention (PCI) with coronary artery bypass grafting (CABG) can provide unbiased estimates of treatment effects. However, the design of such trials has often involved a primary outcome that is a composite measure and thus open to challenges with regard to the appropriate interpretation of each individual components. Quantitative synthesis of such data from multiple trials can enable estimates of individual components of the composite outcomes (e.g. all-cause mortality). Where individual patient data are available, a full investigation of mediating effects, or subgroups analyses, may also be undertaken. Relevant to this article, we now have multiple meta-analyses of trials available, which provide an opportunity to assess the appropriateness of criteria for patient selection between PCI and CABG. Consequently, we will appraise the robustness of these meta-analytic methods in answering the question at stake: does PCI provide equivalent results to CABG for the treatment of unprotected left main coronary artery stenosis and multivessel coronary artery disease?
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 | 0,019 | 0,028 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».