MétaCan
Menu
Retour à la cohorte
Enregistrement W2987736646 · doi:10.1161/strokeaha.119.026564

Journal Initiatives to Enhance Preclinical Research: Analyses of <i>Stroke, Nature Medicine, Science Translational Medicine</i>

2019· review· en· W2987736646 sur OpenAlexafffund
F. Daniel Ramirez, Richard G. Jung, Pouya Motazedian, Dylan Perry‐Nguyen, Pietro Di Santo, Zachary MacDonald, Aisling A. Clancy, Alisha Labinaz, Steven Promislow, Trevor Simard, Steeve Provencher, Sébastien Bonnet, Ian D. Graham, George A. Wells, Benjamin Hibbert

Notice bibliographique

RevueStroke · 2019
Typereview
Langueen
DomaineVeterinary
ThématiqueAnimal testing and alternatives
Établissements canadiensOttawa HospitalInstitut universitaire de cardiologie et de pneumologie de QuébecUniversity of CalgaryUniversité LavalUniversity of Ottawa
Organismes subventionnairesCanadian Institutes of Health Research
Mots-clésBlindingMedicineChecklistPsychological interventionClinical study designAlternative medicineClinical trialResearch designSample size determinationStroke (engine)MEDLINERandomizationTranslational researchFamily medicineIntervention (counseling)Translational medicinePathologyPsychologyPsychiatry

Résumé

récupéré en direct d'OpenAlex

Background and Purpose— Preclinical research using animals often informs clinical trials. However, its value is dependent on its scientific validity and reproducibility, which are, in turn, dependent on rigorous study design and reporting. In 2011, Stroke introduced a Basic Science Checklist to enhance the reporting and methodology of its preclinical studies. Except for Nature and Science journals, few others have implemented similar initiatives. We sought to estimate the impact of these journal interventions on the quality of their published reports. Methods— All articles published in Stroke , Nature Medicine , and Science Translational Medicine over 9 to 18 years and in 2 control journals without analogous interventions over a corresponding 11.5 years were reviewed to identify reports of experiments in nonhuman mammals with proposed clinical relevance. The effect of journal interventions on the reporting and use of key study design elements was estimated via interrupted time-series analyses. Results— Of 33 009 articles screened, 4162 studies met inclusion criteria. In the 3.5 to 12 years preceding each journal’s intervention, the proportions of studies reporting and using key study design elements were stable except for blinding in Stroke and randomization in Science Translational Medicine , which were both increasing. Post-intervention, abrupt and often marked increases were seen in the reporting of randomization status (level change: +17% to +44%, P ≤0.005), blinding (level change: +20% to +40%, P ≤0.008), and sample size estimation (level change: 0% to +40%, P ≤0.002 in 2 journals). Significant but more modest improvements in the use of these study design elements were also observed. These improvements were not seen in control journals. Conclusions— Journal interventions such as Stroke ’s author submission checklist can meaningfully improve the quality of published preclinical research and should be considered to enhance study transparency and design. However, such interventions are alone insufficient to fully address widespread shortcomings in preclinical research practices.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,447
score de la tête « metaresearch » (Gemma)0,750
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche
Catégories consensuellesMétarecherche
DomaineSignal candidat: Évaluation · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Synthèse · Signal consensuel: aucune
Score de désaccord entre enseignants0,553
Score d'incertitude au seuil0,682

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,4470,750
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0040,008
Bibliométrie0,0260,034
Études des sciences et des technologies0,0030,008
Communication savante0,0110,011
Science ouverte0,0040,013
Intégrité de la recherche0,0050,004
Charge utile insuffisante (le modèle a refusé de juger)0,0070,001

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.

Tête enseignante Opus0,672
Tête enseignante GPT0,650
Écart entre enseignants0,023 · 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; l’étiquette directe de Gemma et le classifieur distillé Codex s’accordent sur ce qui est montré ici.

Devis d'étudeObservationnel
DomaineÉvaluation
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

Citations21
Publié2019
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueStrokeMême sujetAnimal testing and alternativesTravaux en français237 207