Conventional compared to network meta-analysis to evaluate antibiotic prophylaxis in patients with cancer and haematopoietic stem cell transplantation recipients
Notice bibliographique
Résumé
Our purpose was to compare conventional meta-analysis and network meta-analysis to evaluate the efficacy of different prophylactic systemic antibiotic classes in patients undergoing chemotherapy or haematopoietic stem cell transplant (HSCT). We included randomised trials if patients had cancer or were HSCT recipients and the intervention was systemic antibacterial prophylaxis. Three types of control groups were used: (1) placebo, no antibiotic and non-absorbable antibiotic separately; (2) placebo and no antibiotic combined; and (3) all three combined. These gave different network geometries. Strategies synthesised were fluoroquinolone, trimethoprim-sulfamethoxazole, cephalosporin and parenteral glycopeptide versus control groups. In total 113 trials met the eligibility criteria. Where treatment effects could be estimated with both conventional and network meta-analysis, values were generally similar. However, where events were sparse, network meta-analysis could be more precise. For example, trimethoprim-sulfamethoxazole versus placebo for infection-related mortality showed a relative risk ratio (RR) of 0.55, 95% CI (0.21 to 1.44) with conventional, and RR 0.43, 95% credible region (0.20 to 0.82) with network meta-analysis. Cephalosporin versus fluoroquinolone was comparable only indirectly using the network approach and yielded RR 0.59, 95% credible region (0.28 to 1.20) to reduce bacteraemia. Incoherence (difference between direct and indirect estimates raising concerns about network meta-analysis validity) was observed with network geometry where control groups were separated, but not where control groups were combined. In this situation, conventional and network meta-analysis yielded similar results in general. Network meta-analysis results could be more precise when events were rare. Some analysis could only be performed with the network approach. These results identify scenarios in which network meta-analysis may be advantageous.
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
Étiquettes directes de modèles (non validées)
Étiquettes de catégorie et de devis d'étude par modèle, issues des rondes d'étiquetage. C'est une sortie machine, non validée, et le désaccord entre modèles est livré comme donnée. Aucun devis ici n'est encore validé contre MEDLINE.
| Bras | Catégories | Devis d'étude | Confiance |
|---|---|---|---|
| gemma | aucune catégorie Domaine: non disponible · Genre: Empirique Porte sur le système de recherche canadien: non · Porte sur un sujet canadien: non | Méta-analyse | low |
| gpt | Métarecherche Domaine: Méthodes · Genre: Méthodes Porte sur le système de recherche canadien: non · Porte sur un sujet canadien: non | Méta-analyse | medium |
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| 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) | 0,001 | 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 découleClassification
machine, non validéeÉtiqueté directement par 2 modèles lisant le dossier complet.
Les modèles divergent sur des parties de cette classification; chaque voix est préservée dans la section en fin de page.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».