Risk of Bias in Randomized Controlled Trials: An Analysis of Parent-Targeted Postnatal Education Interventions from Low and Middle-Income Countries
Notice bibliographique
Résumé
Randomized controlled trials (RCTs) are vulnerable to internal and external bias, particularly when examining complex health behavioural interventions. The effects of postnatal education interventions on parent’s knowledge of caring for their newborn in low-and middle-income countries (LMICs) is a growing area of study. Therefore, the aim of this review was to assess the risk of bias (RoB) in such studies. MedLine, CINAHL, and SCOPUS were searched from January 2000 - October 2017 using key words such as RCT, parent-targeted, postnatal, education, interventions, and LMICs. Two reviewers screened title and abstracts and full text of eligible studies. Outcomes of interest were RoB measured using the Cochrane RoB tool, as well as intervention fidelity and contamination bias. Data were descriptively analyzed with 29 RCTs included. Highest risk of bias was in participant (55%) and personnel (76%) blinding with the lowest risk of bias in random sequence generation (76%), and attrition bias (72%). Overall, 89.7% of studies on postnatal parent-targeted education interventions in LMICs had a high RoB score in at least one domain. While difficult to avoid such biases, opportunities can be sought to minimize these during the design and conduct of future studies in this area.
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 | 0,491 | 0,780 |
| Méta-épidémiologie (sens strict) | 0,004 | 0,003 |
| Méta-épidémiologie (sens large) | 0,027 | 0,040 |
| Bibliométrie | 0,020 | 0,022 |
| Études des sciences et des technologies | 0,002 | 0,007 |
| Communication savante | 0,011 | 0,011 |
| Science ouverte | 0,005 | 0,007 |
| Intégrité de la recherche | 0,008 | 0,007 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 0,001 |
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.
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 ».