Knowledge translation concerns for the CONSORT-PRO extension reporting guidance: a review of reviews
Notice bibliographique
Résumé
This review of reviews aimed to appraise the use of the CONSORT-PRO Extension as an evaluation tool for assessing the reporting of patient-reported outcome (PROs) in publications, and to describe the reporting of PRO research across reviews. We also outlined how variation in such evaluations impacts knowledge translation and may lead to potential misuse of the CONSORT-PRO Extension. We systematically searched Medline, Pubmed and CINAHL from 2013 to 2025 March 2021 for reviews of the completeness of reporting of PRO endpoints according to CONSORT-PRO criteria. Two reviewers extracted details of each review, the percentage of included studies that addressed each CONSORT-PRO item, and key recommendations from each review. Fourteen reviews met inclusion criteria, and only six of these used the full CONSORT-PRO checklist with minimal justified modifications. The remaining eight studies made significant or unjustified adjustments to the CONSORT-PRO Extension. Review studies also varied in how they scored multi-component CONSORT-PRO items. CONSORT-PRO items were often unreported in trial reports, and certain CONSORT-PRO items were reported less often than others. The reporting of statistical approaches to dealing with missing PRO data were poor in RCTs included in all 14 review articles. Studies reviewing PRO publications often omitted recommended CONSORT-PRO items from their evaluations, which may cause confusion among readers regarding how best to report their PRO research according to the CONSORT-PRO extension. Many trials published since CONSORT-PRO's release did not report recommended CONSORT-PRO items, which may lead to misinterpretation and consequently to research waste.
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 | 0,320 | 0,354 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,006 | 0,004 |
| Bibliométrie | 0,001 | 0,005 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,003 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».