Practical steps to identifying the research risk of pragmatic trials
Notice bibliographique
Résumé
BACKGROUND: Pragmatic randomized clinical trials that compare two or more purportedly "within the standard of care" interventions attempt to provide real-world evidence for policy and practice decisions. There is considerable debate regarding their research risk status, which in turn could lead to debates about appropriate consent requirements. Yet no practical guidance for identifying the research risks of pragmatic randomized clinical trials is available. METHODS: We developed a practical, four-step process for identifying and evaluating the research risk of pragmatic trials that can be applied to those pragmatic randomized clinical trials that compare two or more "standard of care" or "accepted" interventions. RESULTS: Using a variety of examples of standard of care pragmatic randomized clinical trials (ranging from trials comparing: insurance coverage conditions, patient reminders for health screens, intensive care unit procedures, post-stroke interventions, and drugs for life-threatening conditions), we illustrate in a four-step process how any pragmatic randomized clinical trial purportedly comparing standard interventions can be evaluated for their research risks. CONCLUSION: Although determining the risk status of a standard of care pragmatic randomized clinical trial is only one necessary element in the ethical oversight of such pragmatic randomized clinical trials, it is a central element. Our four-step process of pragmatic randomized clinical trial risk determination provides a practical, transparent, and systematic approach with likely low risk of bias.
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 | 0,786 | 0,858 |
| Méta-épidémiologie (sens strict) | 0,007 | 0,008 |
| Méta-épidémiologie (sens large) | 0,007 | 0,011 |
| Bibliométrie | 0,015 | 0,006 |
| Études des sciences et des technologies | 0,012 | 0,050 |
| Communication savante | 0,031 | 0,030 |
| Science ouverte | 0,016 | 0,034 |
| Intégrité de la recherche | 0,047 | 0,048 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,011 | 0,006 |
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 ».