Relative risk reduction: Misinformative measure in clinical trials and COVID-19 vaccine efficacy
Notice bibliographique
Résumé
Treatment and vaccine efficacy in clinical trials are often reported in the media and medical journals as the relative risk reduction. The present article explains why the relative risk reduction is a misinformative measure that promotes disinformation when reporting efficacy in clinical research studies such as randomized controlled trials for COVID-19 vaccines. The relative risk reduction is based on the relative risk, a proportional measure or ratio used in epidemiologic studies to estimate the probability of a disease associated with an exposure. The present article demonstrates how the relative risk reduction and relative risk obscure the magnitude of disease risk reduction in clinical research. The absolute risk reduction is shown to be a more precise and reliable measure of treatment and vaccine efficacy in clinical research studies. The absolute risk reduction reciprocal also measures the number needed to treat or vaccinate, and is a more accurate measure than the relative risk reduction for comparing risk reductions of clinical studies. Additionally, the present article reviews consequences of COVID-19 vaccine efficacy misinformation disseminated through media reports. The article concludes that relative risk reduction should not be used to measure treatment and vaccine efficacy in clinical trials. What is new?: •Unreliability of relative measures in clinical trials is graphically illustrated, demonstrating constant relative measures as absolute measures change.•Misuse of relative measures in clinical research is historically linked to misinterpretation of Jerome Cornfield's advice on measuring causative and associative effects.•Consequences of disinformation and misinformation related to COVID-19 vaccine efficacy and modern clinical medicine are described.•The proper use of absolute measures in meta-analyses is explained.
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 | 0,028 | 0,045 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 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; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».