MétaCan
Menu
Retour à la cohorte
Enregistrement W4304084045 · doi:10.1038/s41591-022-01973-2

The Burden of Proof studies: assessing the evidence of risk

2022· article· en· W4304084045 sur OpenAlexaff
Peng Zheng, Ashkan Afshin, Stan Biryukov, Catherine Bisignano, Michael Bräuer, Dana Bryazka, Katrin Burkart, Kelly Cercy, Leslie Cornaby, Xiaochen Dai, M Ashworth Dirac, Kara Estep, Kairsten Fay, Rachel Feldman, Alize J Ferrari, Emmanuela Gakidou, Gabriela Gil, Max Griswold, Simon I Hay, Jiawei He, Caleb Mackay Salpeter Irvine, Nicholas J Kassebaum, Kate E LeGrand, Haley Lescinsky, Stephen S Lim, Justin Lo, Erin C Mullany, Kanyin Liane Ong, Puja C Rao, Christian Razo, Marissa B Reitsma, Gregory A. Roth, Damian Santomauro, Reed J D Sorensen, Vinay Srinivasan, Jeffrey D Stanaway, Theo Vos, Nelson Wang, Catherine A. Welgan, Sarah S Wozniak, Aleksandr Y. Aravkin, Christopher J L Murray

Notice bibliographique

RevueNature Medicine · 2022
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueHealth Systems, Economic Evaluations, Quality of Life
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesNational Institute of Mental HealthNational Health and Medical Research CouncilMedical Research CouncilNational Institute on AgingPublic Health EnglandSt. Jude Children's Research HospitalCardiovascular Medical Research and Education FundQueensland HealthUniversity of MelbourneBloomberg Family FoundationBill and Melinda Gates FoundationNorwegian Institute of Public HealthU.S. Department of Health and Human ServicesNational Institutes of HealthBloomberg Philanthropies
Mots-clésDiseasePopulationMedicineAttributable riskActuarial scienceRisk analysis (engineering)PsychologyEnvironmental healthPathologyEconomics

Résumé

récupéré en direct d'OpenAlex

Exposure to risks throughout life results in a wide variety of outcomes. Objectively judging the relative impact of these risks on personal and population health is fundamental to individual survival and societal prosperity. Existing mechanisms to quantify and rank the magnitude of these myriad effects and the uncertainty in their estimation are largely subjective, leaving room for interpretation that can fuel academic controversy and add to confusion when communicating risk. We present a new suite of meta-analyses-termed the Burden of Proof studies-designed specifically to help evaluate these methodological issues objectively and quantitatively. Through this data-driven approach that complements existing systems, including GRADE and Cochrane Reviews, we aim to aggregate evidence across multiple studies and enable a quantitative comparison of risk-outcome pairs. We introduce the burden of proof risk function (BPRF), which estimates the level of risk closest to the null hypothesis that is consistent with available data. Here we illustrate the BPRF methodology for the evaluation of four exemplar risk-outcome pairs: smoking and lung cancer, systolic blood pressure and ischemic heart disease, vegetable consumption and ischemic heart disease, and unprocessed red meat consumption and ischemic heart disease. The strength of evidence for each relationship is assessed by computing and summarizing the BPRF, and then translating the summary to a simple star rating. The Burden of Proof methodology provides a consistent way to understand, evaluate and summarize evidence of risk across different risk-outcome pairs, and informs risk analysis conducted as part of the Global Burden of Diseases, Injuries, and Risk Factors Study.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,436
score de la tête « metaresearch » (Gemma)0,821
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche
Catégories consensuellesMétarecherche
DomaineSignal candidat: Méthodes · Signal consensuel: Méthodes
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,564
Score d'incertitude au seuil0,695

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,4360,821
Méta-épidémiologie (sens strict)0,0050,004
Méta-épidémiologie (sens large)0,0150,017
Bibliométrie0,0250,018
Études des sciences et des technologies0,0020,012
Communication savante0,0170,016
Science ouverte0,0060,014
Intégrité de la recherche0,0090,010
Charge utile insuffisante (le modèle a refusé de juger)0,0080,001

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.

Tête enseignante Opus0,379
Tête enseignante GPT0,522
Écart entre enseignants0,142 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; l’étiquette directe de Gemma et le classifieur distillé Codex s’accordent sur ce qui est montré ici.

Devis d'étudeThéorique ou conceptuel
DomaineMéthodes
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations121
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueNature MedicineMême sujetHealth Systems, Economic Evaluations, Quality of LifeTravaux en français237 207