Transparency and completeness of reporting of depression screening tool accuracy studies: A meta‐research review of adherence to the Standards for Reporting of Diagnostic Accuracy Studies statement
Notice bibliographique
Résumé
OBJECTIVES: Accurate and complete study reporting allows evidence users to critically appraise studies, evaluate possible bias, and assess generalizability and applicability. We evaluated the extent to which recent studies on depression screening accuracy were reported consistent with Standards for Reporting of Diagnostic Accuracy Studies (STARD) statement requirements. METHODS: MEDLINE was searched from January 1, 2018 through May 21, 2021 for depression screening accuracy studies. RESULTS: 106 studies were included. Of 34 STARD items or sub-items, the number of adequately reported items per study ranged from 7 to 18 (mean = 11.5, standard deviation [SD] = 2.5; median = 11.5), and the number inadequately reported ranged from 3 to 17 (mean = 10.1, SD = 2.5; median = 10.0). There were eight items adequately reported, seven partially reported, 11 inadequately reported, and four not applicable in ≥50% of studies; the remaining four items had mixed reporting. Items inadequately reported in ≥70% of studies related to the rationale for index test cut-offs examined, missing data management, analyses of variability in accuracy results, sample size determination, participant flow, study registration, and study protocol. CONCLUSION: Recently published depression screening accuracy studies are not optimally reported. Journals should endorse and implement STARD adherence.
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 | 0,589 | 0,828 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,004 |
| Méta-épidémiologie (sens large) | 0,010 | 0,018 |
| Bibliométrie | 0,018 | 0,018 |
| Études des sciences et des technologies | 0,002 | 0,006 |
| Communication savante | 0,012 | 0,011 |
| Science ouverte | 0,006 | 0,007 |
| Intégrité de la recherche | 0,006 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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; 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 ».