MétaCan
Menu
Retour à la cohorte
Enregistrement W3210570897 · doi:10.1001/jama.2021.18236

Strengthening the Reporting of Observational Studies in Epidemiology Using Mendelian Randomization

2021· review· en· W3210570897 sur OpenAlexaff
Veronika Skrivankova, Rebecca C. Richmond, Benjamin Woolf, James Yarmolinsky, Neil M Davies, Sonja A. Swanson, Tyler J. VanderWeele, Julian P. T. Higgins, Nicholas J. Timpson, Niki Dimou, Claudia Langenberg, Robert Golub, Elizabeth Loder, V. Gallo, Anne Tybjærg‐Hansen, George Davey Smith, Matthias Egger, J. Brent Richards

Notice bibliographique

RevueJAMA · 2021
Typereview
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueGenetic Associations and Epidemiology
Établissements canadiensJewish General HospitalMcGill University
Organismes subventionnairesEconomic and Social Research CouncilMedical Research CouncilNational Institute for Health and Care ResearchWellcome TrustWorld Health Organization
Mots-clésMedicineMendelian randomizationObservational studyEpidemiologyFamily medicineRandomizationEnvironmental healthRandomized controlled trialInternal medicineGeneticsGene

Résumé

récupéré en direct d'OpenAlex

Importance: Mendelian randomization (MR) studies use genetic variation associated with modifiable exposures to assess their possible causal relationship with outcomes and aim to reduce potential bias from confounding and reverse causation. Objective: To develop the STROBE-MR Statement as a stand-alone extension to the STROBE (Strengthening the Reporting of Observational Studies in Epidemiology) guideline for the reporting of MR studies. Design, Setting, and Participants: The development of the STROBE-MR Statement followed the Enhancing the Quality and Transparency of Health Research (EQUATOR) framework guidance and used the STROBE Statement as a starting point to draft a checklist tailored to MR studies. The project was initiated in 2018 by reviewing the literature on the reporting of instrumental variable and MR studies. A group of 17 experts, including MR methodologists, MR study design users, developers of previous reporting guidelines, and journal editors, participated in a workshop in May 2019 to define the scope of the Statement and draft the checklist. The draft checklist was published as a preprint in July 2019 and discussed on the preprint platform, in social media, and at the 4th Mendelian Randomization Conference. The checklist was then revised based on comments, further refined through 2020, and finalized in July 2021. Findings: The STROBE-MR checklist is organized into 6 sections (Title and Abstract, Introduction, Methods, Results, Discussion, and Other Information) and includes 20 main items and 30 subitems. It covers both 1-sample and 2-sample MR studies that assess 1 or multiple exposures and outcomes, and addresses MR studies that follow a genome-wide association study and are reported in the same article. The checklist asks authors to justify why MR is a helpful method to address the study question and state prespecified causal hypotheses. The measurement, quality, and selection of genetic variants must be described and attempts to assess validity of MR-specific assumptions should be well reported. An item on data sharing includes reporting when the data and statistical code required to replicate the analyses can be accessed. Conclusions and Relevance: STROBE-MR provides guidelines for reporting MR studies. Improved reporting of these studies could facilitate their evaluation by editors, peer reviewers, researchers, clinicians, and other readers, and enhance the interpretation of their results.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,777
score de la tête « metaresearch » (Gemma)0,925
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche
Catégories consensuellesMétarecherche
DomaineSignal candidat: Présentation des résultats · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,223
Score d'incertitude au seuil0,275

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,7770,925
Méta-épidémiologie (sens strict)0,0030,006
Méta-épidémiologie (sens large)0,0080,010
Bibliométrie0,0190,020
Études des sciences et des technologies0,0050,018
Communication savante0,0210,018
Science ouverte0,0110,021
Intégrité de la recherche0,0120,018
Charge utile insuffisante (le modèle a refusé de juger)0,0100,007

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.

Tête enseignante Opus0,387
Tête enseignante GPT0,474
Écart entre enseignants0,087 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; l’étiquette directe de Gemma et le classifieur distillé Codex s’accordent sur ce qui est montré ici.

Devis d'étudeSans objet
DomainePrésentation des résultats
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations4 005
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJAMAMême sujetGenetic Associations and EpidemiologyTravaux en français237 207