MétaCan
Menu
Retour à la cohorte
Enregistrement W2962931983 · doi:10.1097/mcc.0000000000000642

Defining standard of practice: pros and cons of the usual care arm

2019· review· en· W2962931983 sur OpenAlexaff
Federico Angriman, Marie-Hélène Masse, Neill K. J. Adhikari

Notice bibliographique

RevueCurrent Opinion in Critical Care · 2019
Typereview
Langueen
DomaineMathematics
ThématiqueAdvanced Causal Inference Techniques
Établissements canadiensCentre Hospitalier Universitaire de SherbrookeUniversité de SherbrookeHealth Sciences CentreUniversity of TorontoSunnybrook Health Science Centre
Organismes subventionnairesnon disponible
Mots-clésGeneralizability theoryMedicineProtocol (science)RandomizationClinical equipoiseRandomized controlled trialSelection biasMEDLINEStandard of careAlternative medicineSurgeryPsychology

Résumé

récupéré en direct d'OpenAlex

PURPOSE OF REVIEW: The aim of this review is to describe the use of usual care arms in randomized trials. RECENT FINDINGS: Randomization of patients to an experimental or a control arm remains paramount for the estimation of average causal effects. Selection of the control arm is as important as the definition of the intervention, and it might include a placebo control, specific standards of care, protocolized usual care, or unrestricted clinical practice. Usual care control arms may enhance generalizability, clinician acceptability of the protocol, patient recruitment, and ensure community equipoise, while at the same time introducing significant variability in the care delivered in the control group. This effect may reduce the difference in treatments delivered between the two groups and lead to a negative result or the requirement for a larger sample size. Moreover, usual care control groups can be subject to changes in clinician behavior induced by the trial itself, or by secular trends in time. SUMMARY: Usual care control arms may enhance generalizability while introducing significant limitations. Potential solutions include the use of pretrial surveys to evaluate the extent to which a protocolized control arm reflects the current standard of care and the implementation of adaptive trials.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,008
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,809
Score d'incertitude au seuil0,997

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,008
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,456
Tête enseignante GPT0,602
Écart entre enseignants0,146 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations15
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCurrent Opinion in Critical CareMême sujetAdvanced Causal Inference TechniquesTravaux en français237 207