P.120 Conflict of interest in neurosurgery: an analysis of disclosure policies in neurosurgical journals
Notice bibliographique
Résumé
Background: Industry funding of neurosurgery research is on the rise and this creates a conflict of interest (COI) with the potential to bias results. The reporting and handling of COI is impacted by the variation in policies and definitions between journals. In this study we sought to evaluate the prevalence and comprehensiveness of COI policies amongst leading neurosurgical journals. Methods: We conducted a cross-sectional study of publicly available online disclosure policies in the 20 highest-ranking neurosurgical journals, as determined by Google Scholar Metrics, in July of 2016. Results: Eighteen (89.5%) of the top neurosurgical journals included COI policy statements. Ten journals requested declaration of non-financial conflicts, while two journals defined a time period of interest for conflicts. Sixteen journals required declaration from the corresponding author, 13 from all authors, six from reviewers and five from editors. Five journals included COI declaration verification, management or enforcement. Journals with more comprehensive COI policies were significantly more likely to have higher h5-indices (p=0.003) and higher impact factors (p=0.01). Conclusions: In 2016, the majority of high-impact neurosurgical journals had publicly available COI disclosure policies. Policies varied substantially across neurosurgical journals; but COI comprehensiveness was associated with impact factor and h5-index. More comprehensive and consistent COI policies will facilitate increased transparency in neurosurgery research.
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 | 0,012 | 0,148 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,012 | 0,020 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,004 | 0,003 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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; 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 ».