Strategies for balancing internal and external validity in evaluations of interventions
Notice bibliographique
Résumé
BACKGROUND: Evaluations of interventions should be carefully designed and conducted to maintain a balance between internal and external validity, with the dual goal of minimising the influence of potential confounders and improving the generalisability or applicability of any findings to practice. AIM: To review strategies to promote balance between internal and external validity in an evaluation of a cognitive-behavioural intervention for chronic insomnia. DISCUSSION: A pragmatic approach is needed to balance internal and external validity, and generate evidence relevant to practice. The authors present strategies to promote such a balance, including using strict eligibility criteria, subgroup analysis, random assignment of patients based on preferences, a no-treatment control condition, and standardised and consistent implementation of the intervention. CONCLUSION: A balance between internal and external validity is essential to promote enrolment in the study and confidence in attributing its outcomes to an intervention, as well as to provide answers to clinically relevant questions such as who benefits most from which intervention. IMPLICATIONS FOR PRACTICE: The authors recommend researchers conduct a pilot study in advance of an evaluation, to help decide which strategies to use and how to balance internal and external validity.
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 | 0,838 | 0,909 |
| Méta-épidémiologie (sens strict) | 0,007 | 0,006 |
| Méta-épidémiologie (sens large) | 0,018 | 0,024 |
| Bibliométrie | 0,022 | 0,015 |
| Études des sciences et des technologies | 0,005 | 0,022 |
| Communication savante | 0,018 | 0,018 |
| Science ouverte | 0,009 | 0,015 |
| Intégrité de la recherche | 0,009 | 0,012 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 0,002 |
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; l’étiquette directe de Gemma et le classifieur distillé Codex s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».