The reporting quality of N‐of‐1 trials and protocols still needs improvement
Notice bibliographique
Résumé
OBJECTIVE: To evaluate the reporting quality of single-patient (N-of-1) trials and protocols based on the CONSORT Extension for N-of-1 trials (CENT) statement and the standard protocol items: recommendations for interventional trials (SPIRIT) extension and elaboration for N-of-1 trials (SPENT) checklist to examine the factors that influenced reporting quality. METHODS: Four electronic databases were searched to identify N-of-1 trials and protocols from 2015 to 2020. Quality was assessed by two reviewers. We calculated the overall scores based on binary responses in which "Yes" was scored as 1 (if the item was fully reported), and "No" was scored as 0 (if the item was not clearly reported or not definitely stated). RESULTS: A total of 78 publications (55 N-of-1 trials and 23 protocols) were identified. The mean reporting score (SD) of the N-of-1 trials and protocols were 29.24 (0.89) and 29.61 (1.83), respectively. For the items related to outcomes, sample size, allocation concealment protocol, and informed consent materials, the reporting quality was low. Our results showed that the year of publication (t = -0.793, p = 0.872 for the trials and t = 1.352, p = 0.623 for the protocols) and the impact factor of the journal (t = 1.416, p = 0.619 for the trials and t = 0.359, p = 0.667 for the protocols) were not factors associated with better reporting quality. CONCLUSION: With the publication of the CENT 2015 statement and the SPENT 2019 checklist, authors should adhere to the relevant reporting guidelines and improve the reporting quality of N-of-1 trials and protocols.
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 | 0,796 | 0,913 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,003 |
| Méta-épidémiologie (sens large) | 0,008 | 0,010 |
| Bibliométrie | 0,015 | 0,016 |
| Études des sciences et des technologies | 0,003 | 0,010 |
| Communication savante | 0,016 | 0,017 |
| Science ouverte | 0,008 | 0,007 |
| Intégrité de la recherche | 0,006 | 0,007 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,002 |
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 ».