Quality versus risk of bias assessment of palliative care trials: comparison of two tools
Notice bibliographique
Résumé
BACKGROUND: Randomised controlled trials (RCTs) of palliative care interventions are challenging to conduct and evaluate. Tools used to judge the quality of RCTs do not account for the complexities of conducting research in seriously ill populations and may artificially downgrade confidence in palliative care research. OBJECTIVE: To compare assessments from the Palliative Care Trial Assessment Tool (PCTAT) and Cochrane Risk of Bias (RoB) tool. DESIGN: )) and examined (dis)agreement for comparable items. We assessed quality of life at 1-3 months among trials grouped according to RoB or PCTAT score (using meta-analysis) and whether RoB or quality improved over time (Cochran-Armitage trend test). RESULTS: was 0.33 (95% CI 0.19 to 0.42). Total agreement between comparable items was observed for 56% of trials (24/43) and total disagreement for 21% (8/43). The standardised mean difference in quality of life was statistically significant among RCTs with low RoB and high PCTAT, but not for those with medium/low PCTAT or high/unclear RoB. Quality of reporting improved over time, whereas RoB did not. CONCLUSION: Although there was fair agreement between tools, areas of disagreement/non-comparability suggest the tools capture different aspects of bias/quality. A specific tool to evaluate quality of palliative care trials may be warranted.
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 | 0,666 | 0,874 |
| Méta-épidémiologie (sens strict) | 0,006 | 0,004 |
| Méta-épidémiologie (sens large) | 0,036 | 0,045 |
| Bibliométrie | 0,046 | 0,028 |
| Études des sciences et des technologies | 0,003 | 0,012 |
| Communication savante | 0,017 | 0,014 |
| Science ouverte | 0,008 | 0,012 |
| Intégrité de la recherche | 0,011 | 0,007 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 ».