Assessing the Comprehensiveness of Outcome Reporting in Obstetric Trials: Development of a Reporting Tool
Notice bibliographique
Résumé
Objective: Clinical trials provide fundamental evidence used to inform healthcare decisions at patient- and population levels. It is therefore important that trials evaluate outcomes considered relevant by patients and relevant stakeholders. Although validated tools assessing other aspects of trial integrity exist, there is no tool for assessing the breadth and completeness of outcomes being measured. We have developed the Comprehensiveness of Outcome Reporting (COR) Tool to assist systematic reviewers and trialists in evaluating and choosing trial outcomes within the dynamic context of obstetrics. Methods: We identified five core outcome areas – mortality, clinical/physiological, functioning/life-impact, resource-use, and adverse events – from a published taxonomy for outcomes in medical research, and programmed an excel-based tool capable of producing a heatmap to enable users to visualize whether trial outcomes appropriately represent all outcomes areas for both mother and fetus. We used a mock-heatmap to demonstrate the tool’s utility in assessing comprehensiveness of outcome reporting in obstetric trials. Results: This excel-based tool guides users through a series of simple questions regarding the clinical trial(s) being assessed, producing a heatmap output that depicts the spread of reported outcome areas. Trends are readily interpreted with a heatmap, with over/under-reported maternal and fetal-neonatal outcome areas clearly highlighted. Conclusions: Comprehensive reporting of outcomes is necessary to ensure that interventions truly result in improved outcomes in all core areas. The COR Tool will enable systematic reviewers and trialists to determine and select outcomes with more breadth and completeness, encouraging transparency and the drawing of valid clinical conclusions. Funding: None
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 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 | 0,052 | 0,301 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 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 | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 découleClassification
machine, non validéePrédiction automatique; les deux têtes enseignantes 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 ».