Critically Appraising the Quality of Reporting of American College of Surgeons TQIP Studies in the Era of Large Data Research
Notice bibliographique
Résumé
BACKGROUND: The American College of Surgeons-Trauma Quality Improvement Program (ACS-TQIP) database is one of the most widely used databases for trauma research. We aimed to critically appraise the quality of the methodological reporting of ACS-TQIP studies. STUDY DESIGN: The ACS-TQIP bibliography was queried for all studies published between January 2018 and January 2021. The quality of data reporting was assessed using the Strengthening the Reporting of Observational studies in Epidemiology-Reporting of Studies Conducted Using Observational Routinely Collected Health Data (STROBE-RECORD) statement and the JAMA Surgery checklist. Three items from each tool were not applicable and thus excluded. The quality of reporting was compared between high- and low-impact factor (IF) journals (cutoff for high IF is >90th percentile of all surgical journals). RESULTS: A total of 118 eligible studies were included; 12 (10%) were published in high-IF journals. The median (interquartile range) number of criteria fulfilled was 5 (4-6) for the STROBE-RECORD statement (of 10 items) and 5 (5-6) for the JAMA Surgery checklist (of 7 items). Specifically, 73% of studies did not describe the patient population selection process, 61% did not address data cleaning or the implications of missing values, and 76% did not properly state inclusion/exclusion criteria and/or outcome variables. Studies published in high-IF journals had remarkably higher quality of reporting than those in low-IF journals. CONCLUSION: The methodological reporting quality of ACS-TQIP studies remains suboptimal. Future efforts should focus on improving adherence to standard reporting guidelines to mitigate potential bias and improve the reproducibility of published studies.
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 | 0,740 | 0,939 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,005 |
| Méta-épidémiologie (sens large) | 0,010 | 0,009 |
| Bibliométrie | 0,047 | 0,043 |
| Études des sciences et des technologies | 0,005 | 0,013 |
| Communication savante | 0,021 | 0,011 |
| Science ouverte | 0,010 | 0,013 |
| Intégrité de la recherche | 0,008 | 0,006 |
| 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 ».