MétaCan
Menu
Retour à la cohorte
Enregistrement W4200258716 · doi:10.1002/jrsm.1543

Reevaluation of statistically significant meta‐analyses in advanced cancer patients using the <scp>Hartung–Knapp</scp> method and prediction intervals—A methodological study

2021· review· en· W4200258716 sur OpenAlexaff
Waldemar Siemens, Joerg J Meerpohl, Miriam S. Rohe, Sabine Buroh, Guido Schwarzer, Gerhild Becker

Notice bibliographique

RevueResearch Synthesis Methods · 2021
Typereview
Langueen
DomaineDecision Sciences
ThématiqueMeta-analysis and systematic reviews
Établissements canadiensCochrane
Organismes subventionnairesnon disponible
Mots-clésMeta-analysisRandom effects modelConfidence intervalHazard ratioMedicineFixed effects modelStatisticsSample size determinationRandomized controlled trialInternal medicineMathematics

Résumé

récupéré en direct d'OpenAlex

Using the Hartung-Knapp method and 95% prediction intervals (PIs) in random-effects meta-analyses is recommended by experts but rarely applied. Therefore, we aimed to reevaluate statistically significant meta-analyses using the Hartung-Knapp method and 95% PIs. In this methodological study, three databases were searched from January 2010 to July 2019. We included systematic reviews reporting a statistically significant meta-analysis of at least four randomized controlled trials in advanced cancer patients using either a fixed-effect or random-effects model. We investigated the impact of switching from fixed-effect to random-effects meta-analysis and of using the recommended Hartung-Knapp method in random-effects meta-analyses. Furthermore, we calculated 95% PIs for all included meta-analyses. We identified 6234 hits, of which 261 statistically significant meta-analyses were included. Our recalculations of these 261 meta-analyses produced statistically significant results in 132 of 138 fixed-effect and 114 of 123 random-effects meta-analyses. When switching to a random-effects model, 19 of 132 fixed-effect meta-analyses (14.4%) were no longer statistically significant. Using the Hartung-Knapp method in random-effects meta-analyses resulted in 34 of 114 nonsignificant meta-analyses (29.8%). In the full sample (N = 261), the null effect was included by the 95% PI in 195 (74.7%) and the opposite effect (e.g., hazard ratio 0.5, opposite effect 2) in 98 meta-analyses (37.5%). Using the Hartung-Knapp method and PIs substantially influenced the interpretation of many published, statistically significant meta-analyses. We strongly encourage researchers to check if using the Hartung-Knapp method and reporting 95% PIs is appropriate in random-effects meta-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 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)0,276
score de la tête « metaresearch » (Gemma)0,531
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche
Catégories consensuellesMétarecherche
DomaineSignal candidat: Méthodes · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,724
Score d'incertitude au seuil0,893

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,2760,531
Méta-épidémiologie (sens strict)0,0060,003
Méta-épidémiologie (sens large)0,0170,078
Bibliométrie0,0150,015
Études des sciences et des technologies0,0010,002
Communication savante0,0080,007
Science ouverte0,0070,004
Intégrité de la recherche0,0050,006
Charge utile insuffisante (le modèle a refusé de juger)0,0050,001

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.

Tête enseignante Opus0,986
Tête enseignante GPT0,798
Écart entre enseignants0,188 · 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'étudeSimulation ou modélisation
DomaineMéthodes
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

Citations22
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueResearch Synthesis MethodsMême sujetMeta-analysis and systematic reviewsTravaux en français237 207