Conflict of interest policies and disclosure requirements in neurosurgical journals
Notice bibliographique
Résumé
OBJECTIVE: An increasing amount of funding in neurosurgery research comes from industry, which may create a conflict of interest (COI) and the potential to bias results. The reporting and handling of COIs have become difficult, particularly as explicit policies themselves and definitions thereof continue to vary between medical journals. In this study, the authors sought to evaluate the prevalence and comprehensiveness of COI policies among leading neurosurgical journals. METHODS: The authors 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 2016. RESULTS: Overall, 89.5% of the highest-impact neurosurgical journals included COI policy statements. Ten (53%) journals requested declaration of nonfinancial conflicts, while 2 journals specifically set a time period for COIs. Sixteen journals required declaration from the corresponding author, 13 from all authors, 6 from reviewers, and 5 from editors. Four journals were included in the International Committee of Medical Journal Editors (ICMJE) list of publications that follow the Uniform Requirements for Manuscripts Submitted to Biomedical Journals (currently known as Recommendations for the Conduct, Reporting, Editing, and Publication of Scholarly Work in Medical Journals). Five journal policies included COI declaration verification, management, or enforcement. The neurosurgery 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, but not all, high-impact neurosurgical journals had publically available COI disclosure policies. Policy inclusiveness and comprehensiveness varied substantially across neurosurgical journals, but COI comprehensiveness was associated with other established markers of individual journals' favorability and influence, such as impact factor and h5-index.
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 | 0,045 | 0,353 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,007 | 0,011 |
| Études des sciences et des technologies | 0,003 | 0,003 |
| Communication savante | 0,006 | 0,005 |
| Science ouverte | 0,001 | 0,004 |
| 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 ».