Clinical Trials in COVID-19 Management & Prevention: A Meta-epidemiological Study examining methodological quality
Notice bibliographique
Résumé
ABSTRACT Background The coronavirus disease (Covid-19) pandemic has produced a large number of clinical trial reports with unprecedented rapidity, raising concerns about methodological quality and potential for research waste. Objectives To describe the characteristics of randomized clinical trials (RCTs) investigating prophylaxis or treatment of Covid-19 infection and examine the effect of trial characteristics on whether the study reported a statistically significant effect on the primary outcome(s). Study Design Meta-epidemiological study of Covid-19 treatment and prophylaxis RCTs. Eligibility criteria English-language RCTs (peer-reviewed or preprint) that evaluated pharmacologic agents or blood products compared to standard care, placebo, or an active comparator among participants with suspected or confirmed Covid-19 or at risk for Covid-19. We excluded trials of vaccines or traditional herbal medicines. Information sources We searched 25 databases in the US Centre for Disease Control Downloadable Database from January 1 to October 21, 2020. Trial appraisal and synthesis methods We extracted trial characteristics including number of centres, funding sources (industry versus non-industry), and sample size. We assessed risk of bias (RoB) using the modified Cochrane RoB 2.0 Tool. We used descriptive statistics to summarize trial characteristics and logistic regression to evaluate the association between RoB due to the randomization process, centre status (single vs. multicentre), funding source, and sample size, and statistically significant effect in the primary outcome. Results We included 91 RCTs (46,802 participants) evaluating Covid-19 therapeutic drugs (n = 76), blood products (n = 9) or prophylactic drugs (n = 6). Of these, 40 (44%) were single-centre, 23 (25.3%) enrolled < 50 patients, and 28 (30.8%) received industry funding. RoB varied across trials, with high or probably high overall RoB in 75 (82.4%) trials, most frequently due to deviations from the intended protocol (including blinding) and randomization processes. Thirty-eight trials (41.8%) found a statistically significant effect in the primary outcome. RoB due randomization (odds ratio [OR] 3.77, 95% confidence interval [CI], 1.47 to 9.72) and single centre trials (OR 3.15, 95% CI, 1.25 to 7.97) were associated with higher likelihood of finding a statistically significant effect. Conclusions There was high variability in RoB amongst Covid-19 trials. RoB attributed to the randomization process and single centre status were associated with a three-fold increase in the odds of finding a statistically significant effect. Researchers, funders, and knowledge users should remain cognizant of the impact of study characteristics, including RoB, on trial results when designing, conducting, and appraising Covid-19 trials.
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 | MétarechercheMéta-épidémiologie (sens large) Domaine: Méthodes · Genre: Empirique Porte sur le système de recherche canadien: non · Porte sur un sujet canadien: non | Observationnel | low |
| gpt | MétarechercheMéta-épidémiologie (sens large) Domaine: Méthodes · Genre: Empirique Porte sur le système de recherche canadien: non · Porte sur un sujet canadien: non | Revue systématique | 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 | 0,398 | 0,898 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,016 | 0,005 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,008 |
| Intégrité de la recherche | 0,001 | 0,006 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».