Risk of Bias Assessment in Non-Randomized Studies of Interventions for Premenstrual Syndrome: A Systematic Review
Notice bibliographique
Résumé
Objective: Premenstrual syndrome (PMS) is a very prevalent condition that affects premenopausal women and can result in monthly debilitating emotional and physical symptoms. The objective of this systematic review was to determine which predictive factors were associated with an increased amount of bias in non-randomized studies (NRSs) of PMS. Materials and methods: A search of the EMBASE and Medline electronic databases was completed from January 1, 2010 to December 2021. The methodological quality of the included studies was independently evaluated and critically appraised using the Risk of Bias in Non-Randomized Studies - of Interventions (ROBINS-1) tool. Associations of different factors with the risk of bias levels were assessed using a univariate logistic regression. Odds ratio and 95% confidence interval (CI) were reported. Results: Of the 1668 studies, 38 were determined to be eligible for inclusion. The ROBINS-1 tool identified that 12 studies were of low/moderate risk of bias (31.6%) and 26 were of serious/critical risk (68.4%). Evidence of relationships between the ROBINS-1 score and impact factor (OR=0.20; 95% CI, 0.07 to 0.57; p= 0.003) and number of authors (OR=0.65; 95% CI, 0.43 to 0.99; p= 0.046) were identified, whereas no relationships were found with the number of citations, the sample size, the funding type, or the conflict-of-interest statement. Conclusion: The systematic review concludes that the methodological rigor of non-randomized studies of PMS can vary, with fewer authors and a lower impact factor showing evidence of association with a decreased quality of evidence.
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 | 0,033 | 0,018 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,018 | 0,003 |
| Bibliométrie | 0,001 | 0,001 |
| 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; 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 ».