Surrogate endpoints in global health research: still searching for killer apps and silver bullets?
Notice bibliographique
Résumé
In clinical research, there is widespread acceptance that surrogate endpoints may not translate to long-term benefits.1–3 Clinical epidemiologists highlight the hazards of surrogate measures (eg, biomarkers, laboratory test results and short-term improvements in health) that substitute for outcomes which are important for patients (eg, avoiding premature death or severe disability). For example, in cardiovascular research, improvements in parameters such as blood pressure or cholesterol may not improve outcomes such as deaths. Improvements in surrogate endpoints may not correlate with real outcomes of interest (and may even increase the risk of death, in some cases). And there are many examples and case studies in the literature that illustrate the hazards of using surrogates in clinical epidemiology.1–3 In comparison, in global health, we are often stunned when interventions that showed improvements in surrogate endpoints do not lead to lives being saved. Take, for example, the new tuberculosis (TB) detection technology, Xpert MTB/RIF(R) (Cepheid Inc, Sunnyvale, California, USA), an automated, molecular test for TB and drug resistance. Xpert MTB/RIF was first endorsed by WHO in 20104 and has since been rolled out in many countries with over 23 million tests conducted in the past 6 years.5 While the test is rapid, accurate and much superior to tests that have been in use for decades,6 some pragmatic randomised controlled trials (RCTs) did not show improvements in long-term outcomes such as reduction in mortality.7 8 These results have prompted media headlines such as ‘improved diagnostics fail to halt the rise of tuberculosis.”9 The recent RCT in India of the WHO Safe Childbirth Checklist presents another example. The WHO Safe Childbirth Checklist is a quality-improvement tool to promote systematic adherence to practices that have been associated with improved childbirth outcomes.10 In a large-scale study in 24 districts in India, adherence of birth attendants to …
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 | 0,008 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,002 |
| 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 ».