A Randomized Controlled Trial on Local Anesthetics in the Wound: What do the Numbers Mean?
Notice bibliographique
Résumé
To the Editor: The recent article by Fredman et al. (1) and the accompanying editorial by Rowlingson (2) raise concerns about the validity of the conclusions drawn from the results (1) and the indirect inference (2) about the lack of utility of randomized controlled trials. In their article, Fredman et al. (1) make no mention of a post hoc power analysis, necessary to determine whether the failure to detect a difference is simply a result of an insufficiently low sample size. Using the data on “rescue” morphine administration (total morphine, mg/6 h; mean ± sd: 16 ± 17* [n = 25] vs 18 ± 14 [n = 22]), such an analysis yields a power of <10% to detect the 5-mg difference for α = 0.01 (two-tailed), and <20% for α = 0.05 (two-tailed). Moreover, the results imply that there were patients with negative morphine consumption (*), raising further questions about the data and/or the need for a log transformation. The only valid conclusion that can be drawn is that the results are inconclusive and repetition of the trial with a sufficiently large sample size would be necessary. For example, assuming a sd of 14 for “rescue” morphine (mg/6 h), n = 100 patients per group would be required to detect a difference of 5.58 mg at 80% power and α = 0.05 (two-tailed). Dr. Rowlingson writes: “So much for randomized, controlled trials, eh?”(2). Randomized controlled trials remain the gold standard for experimental design in clinical research and provide the crucial basis for the increasing trend toward evidence-based practice in anesthesiology (3). In order to be able to utilize these powerful research tools appropriately, however, it is imperative to carefully consider what the numbers actually mean. Stephan K.W. Schwarz, MD, Dr med
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 | 0,003 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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; un appel candidat d’une seule tête enseignante, 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 ».