Development, Application and Evaluation of Risk of Bias Criteria for Case-Crossover and Time-Series Studies of Air Pollution and Health
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Systematic review and meta-analysis methods are increasingly being applied to environmental health literature. However, these methods have not been routinely applied within the context of formal risk assessments, despite common aims and practices, including systematic identification, analysis and summary assessment of the weight of evidence linking exposures and outcomes. A particular gap in these practices is the availability of standardized criteria for assessing risk of bias in studies of environmental exposures, operationalized in a form that can be efficiently and reliably applied by reviewers / risk assessors to a potentially large number of primary studies. Building on the Navigation Guide systematic review methodology, we developed, applied and evaluated risk of bias criteria applicable to time series and case-crossover studies linking air pollution and cardiovascular and respiratory morbidity, operationalizing them in DistillerSR™ systematic review software in the context of a systematic review of health effects of nitrogen dioxide. Risk of bias domains comprised: selection bias and generalizability, exposure assessment, confounding, outcome assessment, completeness of outcome data, selective outcome reporting, conflict of interest and other sources of bias. Risk of bias criteria were developed through literature review and expert consultation and evaluated with respect to content and face validity, inter-rater agreement and completion time. Our findings address the feasibility and reliability of our risk of bias criteria for time series and case-crossover studies linking air pollution and cardiovascular and respiratory morbidity. These criteria may provide a promising tool in the context of both systematic review and risk assessment. PROSPERO registration number CRD42018084497.
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.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| 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 découle