Perpetuating fears: bias against the null hypothesis in fetal safety of drugs as expressed in scientific citations.
Notice bibliographique
Résumé
BACKGROUND: Bias against negative studies (i.e., those showing no issues with fetal safety of drugs) may cause distorted interpretation with apparently safe drugs being labeled as teratogenic, causing women to terminate pregnancy or not to treat serious medical conditions. OBJECTIVE: To investigate whether "positive" studies, claiming teratogenic effects of drugs, which were later shown to be safe, have been cited more often than "negative" studies on the same topic. METHODS: We reviewed published studies on the fetal safety of 6 drugs, which were the focus of appreciable controversy over the last 5 decades (oral contraceptives, bendectin®, benzodiazepines, paroxetine, ACE inhibitors and statins). While initial highly publicized papers claimed teratogenic effects, these were subsequently contradicted by large numbers of "negative" studies. We compared medical citation patterns of the "positive" vs. "negative" papers related to these 6 drugs.Results"Positive" papers were 70% more likely to be cited than "negative" articles (median 39 vs. 23, p=0.04). In multivariate linear regression, "positivity" of results (p=0.04), the number of years since publication (p=0.01) and journal citation impact (p<0.001) all independently predicted the total number of medical citations. CONCLUSIONS: We documented bias against the null hypothesis in medical citations of fetal drug safety. Acknowledging this source of bias is critical in trying to avert the distortion of the medical knowledge created by it.
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 | 0,002 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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 | 0,000 |
| 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 ».