Reporting transparency and completeness in Trials: Paper 2 - reporting of randomised trials using registries was often inadequate and hindered the interpretation of results
Notice bibliographique
Résumé
OBJECTIVE: Registries are important data sources for randomized controlled trials (RCTs), but reporting of how they are used may be inadequate. The objective was to describe the current adequacy of reporting of RCTs using registries. STUDY DESIGN AND SETTING: We used a database of trials using registries from a scoping review supporting the development of the 2021 CONSORT extension for Trials Conducted Using Cohorts and Routinely Collected Data (CONSORT-ROUTINE). Reporting completeness of 13 CONSORT-ROUTINE items was assessed. RESULTS: We assessed reports of 47 RCTs that used a registry, published between 2011 and 2018. Of the 13 CONSORT-ROUTINE items, 6 were adequately reported in at least half of reports (2 in at least 80%). The 7 other items were related to routinely collected data source eligibility (32% adequate), data linkage (8% adequate), validation and completeness of data used for outcome assessment (8% adequate), validation and completeness of data used for participant recruitment (0% adequate), participant flow (9% adequate), registry funding (6% adequate) and interpretation of results in consideration of registry use (25% adequate). CONCLUSION: Reporting of trials using registries was often poor, particularly details on data linkage and quality. Better reporting is needed for appropriate interpretation of the results of these 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
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 | 0,704 | 0,889 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,004 |
| Méta-épidémiologie (sens large) | 0,006 | 0,007 |
| Bibliométrie | 0,017 | 0,020 |
| Études des sciences et des technologies | 0,004 | 0,009 |
| Communication savante | 0,018 | 0,013 |
| Science ouverte | 0,005 | 0,010 |
| Intégrité de la recherche | 0,008 | 0,008 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,009 | 0,003 |
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 ».