Performance, Detection, Contamination, Compliance, and Cointervention Biases in Rehabilitation Research
Notice bibliographique
Résumé
ABSTRACT: Bias is a systematic error that can cause distorted results leading to incorrect conclusions. Intervention bias (i.e., contamination bias, cointervention bias, compliance bias, and performance bias) and detection bias are the most common biases in rehabilitation research. A better understanding of these biases is essential at all stages of research to enhance the quality of evidence in rehabilitation trials. Therefore, this narrative review aims to provide insights to the readers, clinicians, and researchers about contamination, cointervention, compliance, performance, and detection biases and ways of recognizing and mitigating them. The literature selected for this review was obtained mainly by compiling the information from several reviews looking at biases in rehabilitation. In addition, separate searches by biases and looking at reference lists of selected studies as well as using Scopus forward citation for relevant references were used.This review provides several strategies to guard against the impact of bias on study results. Clinicians, researchers, and other stakeholders are encouraged to apply these recommendations when designing and conducting rehabilitation 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 | 0,444 | 0,722 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,003 |
| Méta-épidémiologie (sens large) | 0,009 | 0,011 |
| Bibliométrie | 0,011 | 0,016 |
| Études des sciences et des technologies | 0,003 | 0,010 |
| Communication savante | 0,011 | 0,011 |
| Science ouverte | 0,005 | 0,009 |
| Intégrité de la recherche | 0,006 | 0,005 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 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 ».