Enhancing primary reports of randomized controlled trials: Three most common challenges and suggested solutions
Notice bibliographique
Résumé
Evidence from a well-designed randomized controlled trial (RCT) is generally considered to be the gold standard that can inform clinical practice and guide decision-making. However, several deficiencies in the reporting of RCTs have frequently been identified, including incomplete, selective, and biased or inconsistent reporting. Such suboptimal reporting may lead to irreproducible results, substantial waste of resources, impaired study validity, erosion of public trust in science, and a high risk of research misconduct. In this article, we present an overview of the reporting of RCTs in the biomedical literature with a focus on the three most common reporting problems: ( i ) lack of adherence to reporting guidelines, ( ii ) inconsistencies between trial protocols or registrations and full reports, and ( iii ) inconsistencies between abstracts and their corresponding full reports. Unsatisfactory levels of adherence to guidelines and frequent inconsistencies between protocols or registrations and full reports, and between abstracts and full reports, were consistently found in various biomedical research fields. A variety of factors were found to be associated with these reporting challenges. Improved reporting can build public trust and credibility of science, save resources, and enhance the ethical integrity of research. Therefore, joint efforts from the various sectors of the biomedical community (researchers, journal editors and reviewers, educators, healthcare providers, and other research consumers) are needed to reduce and reverse the current suboptimal state of RCT reporting in the literature.
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 | 0,649 | 0,852 |
| Méta-épidémiologie (sens strict) | 0,006 | 0,007 |
| Méta-épidémiologie (sens large) | 0,010 | 0,007 |
| Bibliométrie | 0,018 | 0,025 |
| Études des sciences et des technologies | 0,009 | 0,035 |
| Communication savante | 0,023 | 0,035 |
| Science ouverte | 0,013 | 0,022 |
| Intégrité de la recherche | 0,021 | 0,021 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 ».