A systematic survey of methods guidance suggests areas for improvement regarding access, development, and transparency
Notice bibliographique
Résumé
BACKGROUND: To assess the current practice of developing and presenting methods guidance and explore opportunities for improvement. STUDY DESIGN AND SETTING: We systematically surveyed methods guidance published in high-impact general and methodology-focused medical journals indexed in MEDLINE in 2020. We included articles that explicitly stated the objective to provide methods guidance for health research. We extracted characteristics related to findability, methods used for development, presentation, and transparency. RESULTS: We included 105 methods guidance articles published in 12 different journals. Less than half had a structured abstract (42%) or was indexed with medical subject headings (38%) or author keywords (17%) related to guidance. Methods for development, reported in 42%, differed between reporting guidelines (n = 13, 100% reported methods) and other guidance articles (n = 92, 34% reported methods). Frequent methods for presentation were illustrative case studies (45%), research checklists (34%), and step-by-step guides (10%). Most articles did not describe the authors' expertise (22%). Conflicts of interest, reported in 34%, were often unclear. CONCLUSION: Potential areas for improving methods guidance include better findability through more consistent labeling and indexing and standards for development and reporting.
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 | 0,549 | 0,814 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,003 |
| Méta-épidémiologie (sens large) | 0,005 | 0,007 |
| Bibliométrie | 0,032 | 0,033 |
| Études des sciences et des technologies | 0,003 | 0,005 |
| Communication savante | 0,012 | 0,018 |
| Science ouverte | 0,005 | 0,008 |
| Intégrité de la recherche | 0,005 | 0,005 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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; 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 ».