Minimal important changes in standard deviation units are highly variable and no universally applicable value can be determined
Notice bibliographique
Résumé
OBJECTIVES: This study aims to describe the distribution of anchor-based minimal important change (MIC) estimates in standard deviation (SD) units and examine if the robustness of such estimates depends on the specific SD used or on the methodological credibility of the anchor-based estimates. DESIGN AND SETTING: We included all anchor-based MIC estimates from studies published in MEDLINE and relevant literature databases upto October 2018. Each MIC was converted to SD units using baseline, endpoint, and change from baseline SDs. We performed a descriptive analysis of MICs in SD units and checked how the distribution would change if MICs with low methodological credibility were excluded from the analysis. RESULTS: We included 1,009 MIC estimates from 182 studies. The medians and interquartile ranges of MICs in SD units were 0.43 (0.25 to 0.69), 0.42 (0.22 to 0.70), and 0.51 (0.28 to 0.78) for baseline, endpoint, and change SD units, respectively. Some MICs were extremely large or small. The distribution did not change significantly after excluding MICs estimated by less credible methods. CONCLUSIONS: The size of the universally applicable MIC in SD units could not be determined. Anchor-based MICs in SD units were widely distributed, with more than half in the range of 0.2 to 0.8.
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 | 0,067 | 0,270 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,003 | 0,002 |
| Bibliométrie | 0,004 | 0,006 |
| Études des sciences et des technologies | 0,001 | 0,003 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».