A Cross-sectional literature survey showed the reporting quality of multicenter randomized controlled trials should be improved
Notice bibliographique
Résumé
OBJECTIVE: To assess the reporting quality of randomized controlled trials (RCTs) with multicenter design, particularly whether necessary information related to multicenter characteristics was adequately reported. STUDY DESIGN AND SETTING: Through a search of 4 international electronic databases, we identified multicenter RCTs published in English from 1975 to 2019. Reporting quality was assessed by the CONSORT (Consolidated Standards of Reporting Trials) checklist (37 items) and by a self-designed multicenter-specific checklist (27 items covering multicenter design, implement and analysis). The scores of trials published in three time periods (1975-1995; 1996-2009; and 2010-2019) were also compared. RESULTS: A total of 2,844 multicenter RCTs were included. For the CONSORT checklist, the mean (standard deviation) reporting score was 24.1 (5.5), 12 items were assessed as excellent (>90%), 12 items as good (50%-90%), and 13 items as poor (<50%). For the multicenter checklist, the reporting score was 3.9 (2.2), only 3 items were excellent or good, and the remaining 24 items were poor. Time period comparison showed that reporting quality improved over time, especially after the CONSORT 2010 issued. CONCLUSION: Although CONSORT appears to have enhanced the reporting quality of multicenter RCTs, further improvement is needed. A "CONSORT extension for multicenter trials" should be developed.
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 | 0,618 | 0,873 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,002 |
| Méta-épidémiologie (sens large) | 0,005 | 0,011 |
| Bibliométrie | 0,010 | 0,010 |
| Études des sciences et des technologies | 0,001 | 0,005 |
| Communication savante | 0,009 | 0,008 |
| Science ouverte | 0,003 | 0,004 |
| Intégrité de la recherche | 0,004 | 0,005 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».