STROBE-MR: Guidelines for strengthening the reporting of Mendelian randomization studies
Notice bibliographique
Résumé
While the number of studies using Mendelian randomization (MR) methods has grown exponentially in the last decade, the quality of reporting of these studies often has been poor. Similar to other reporting guidelines such as CONSORT ( Consolidated Standards of Reporting Trials ) for randomised trials and STROBE ( STrenghtening the Reporting of Observational studies in Epidemiology ) for observational studies in epidemiology, the STROBE-MR working group aims to provide guidance to authors on how to improve reporting of MR studies and help readers, reviewers, and journal editors to evaluate the quality of the presented evidence. Empirical evidence indicates that many reports of MR studies do not clearly state or examine the various assumptions of MR methods and report insufficient details on the data sources, which makes it hard to evaluate the quality and reliability of the results. The STROBE-MR guidance covers both one sample and two sample MR studies. At present, the draft checklist consists of 20 items, organized into the title and abstract, introduction, methods, results and discussion sections of articles. As these guidelines aim to reach the entire MR community, we would like to give everyone the opportunity to contribute their comments. The following draft of the STROBE-MR checklist is open for public discussion and all feedback will be taken into account during its next revision. For feedback, please use the comment section below this post on PeerJ Preprints. We hope the final guidelines will serve the entire community and contribute to improving the reporting of MR studies in the future.
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 | 0,003 | 0,015 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».