MétaCan
Menu
Retour à la cohorte
Enregistrement W4311758290 · doi:10.1016/j.euros.2022.11.014

A Systematic Review of Heterogeneity in Outcome Definition and Reporting in Localised Renal Cancer

2022· review· en· W4311758290 sur OpenAlexaff
Katharina Beyer, Christiaan Widdershoven, Lisa M. Wintner, Saeed Dabestani, Lorenzo Marconi, Charlotte Moss, Netty Kinsella, Yuhong Yuan, Rachel Giles, Ravi Barod, Mieke Van Hemelrijck, Axel Bex, Patricia Zondervan, Steven MacLennan

Notice bibliographique

RevueEuropean Urology Open Science · 2022
Typereview
Langueen
DomaineMedicine
ThématiqueRenal cell carcinoma treatment
Établissements canadiensMcMaster University
Organismes subventionnairesnon disponible
Mots-clésMedicineObservational studySystematic reviewMEDLINECohortRandomized controlled trialMeta-analysisRenal cell carcinomaStudy heterogeneityCohort studyIntensive care medicineFamily medicineInternal medicine

Résumé

récupéré en direct d'OpenAlex

Context: Outcomes in renal cell carcinoma (RCC) are reported inconsistently, with variability in definitions and measurement. Hence, it is difficult to compare intervention effectiveness and synthesise outcomes for systematic reviews and to create clinical practice guidelines. This uncertainty in the evidence makes it difficult to guide patient-clinician decision-making. One solution is a core outcome set (COS): an agreed minimum set of outcomes. Objective: To describe outcome reporting, definitions, and measurement heterogeneity as the first stage in co-creating a COS for localised renal cancer. Evidence acquisition: We systematically reviewed outcome reporting heterogeneity in effectiveness trials and observational studies in localised RCC. In total, 2822 studies (randomised controlled trials, cohort studies, case-control studies, systematic reviews) up to June 2020 meeting our inclusion criteria were identified. Abstracts and full texts were screened independently by two reviewers; in cases of disagreement, a third reviewer arbitrated. Data extractions were double-checked. Evidence synthesis: We included 149 studies and found that there was inconsistency in which outcomes were reported across studies and variability in the definitions used for outcomes that were conceptually the same. We structured our analysis using the outcome classification taxonomy proposed by Dodd et al. Outcomes linked to adverse events (eg, bleeding, outcomes linked to surgery) and renal injury outcomes (reduced renal function) were reported most commonly. Outcomes related to deaths from any cause and from cancer were reported in 44% and 25% of studies, respectively, although the time point for measurement and the analysis methods were inconsistent. Outcomes linked to life impact (eg, global quality of life) were reported least often. Clinician-reported outcomes are more frequently reported than patient-reported outcomes in the renal cancer literature. Conclusions: This systematic review underscores the heterogeneity of outcome reporting, definitions, and measurement in research on localised renal cancer. It catalogues the variety of outcomes and serves as a first step towards the development of a COS for localised renal cancer. Patient summary: We reviewed studies on localised kidney cancer and found that multiple terms and definitions have been used to describe outcomes. These are not defined consistently, and often not defined at all. Our review is the first phase in developing a core outcome set to allow better comparisons of studies to improve medical care.

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)0,176
score de la tête « metaresearch » (Gemma)0,495
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche
Catégories consensuellesaucune
DomaineSignal candidat: Présentation des résultats · Signal consensuel: aucune
Devis d'étudeSignal candidat: Revue systématique · Signal consensuel: Revue systématique
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,824
Score d'incertitude au seuil0,932

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,1760,495
Méta-épidémiologie (sens strict)0,0020,002
Méta-épidémiologie (sens large)0,0150,015
Bibliométrie0,0240,024
Études des sciences et des technologies0,0020,004
Communication savante0,0060,007
Science ouverte0,0040,005
Intégrité de la recherche0,0040,003
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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.

Tête enseignante Opus0,278
Tête enseignante GPT0,436
Écart entre enseignants0,159 · 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; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Devis d'étudeRevue systématique
DomainePrésentation des résultats
GenreSynthèse

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

En bref

Citations7
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEuropean Urology Open ScienceMême sujetRenal cell carcinoma treatmentTravaux en français237 207