Evidence-based Urology: Subgroup Analysis in Randomized Controlled Trials
Notice bibliographique
Résumé
In randomized controlled trials, investigators often explore the possibility that the treatment effects differ between subgroups (eg, women vs men, old vs young, more versus less severe disease). Investigators often inappropriately claim subgroup effects (also called "effect modification" or "interaction") when the likelihood of a true effect modification is low. Criteria for assessing the credibility of subgroup analyses, nicely summarized in a formal Instrument for Assessing the Credibility of Effect Modification Analyses (ICEMAN), include investigator postulation of a priori hypotheses with a specified direction; support from prior evidence; a low likelihood that chance explains the apparent subgroup effect; and only testing a small number of subgroup hypotheses. PATIENT SUMMARY: Randomized clinical trials often use subgroup analyses to explore whether a treatment is more or less effective in a particular patient subgroup (eg, women vs men, old vs young). In this mini-review, we explore the common pitfalls of subgroup analyses.
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 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 | 0,234 | 0,889 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,074 | 0,018 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,002 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 validéePrédiction automatique; les deux têtes enseignantes 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 ».