Predictors of Increased Fragility Index Scores in Surgical Randomized Controlled Trials: An Umbrella Review
Notice bibliographique
Résumé
BACKGROUND: The fragility index (FI) is defined as the minimum number of patients or subjects needed to switch experimental groups for statistical significance to be lost in a randomized control trial (RCT). This index is used to determine the robustness of a study's findings and recently as a measure of evaluating RCT quality. The objective of this review was to identify and describe published systematic reviews utilizing FI to evaluate surgical RCTs and to determine if there were common factors associated with higher FI values. METHODS: Three databases (PubMed, MEDLINE [Ovid], Embase) were searched, followed by a subsequent abstract/title and full-text screening to yield 50 reviews of surgical RCTs. Authors, year of publication, name of journal, study design, number of RCTs, subspecialty, sample size, median FI, patients lost to follow-up, and associations between variables and FI scores were collected. RESULTS: Among 1007 of 2214 RCTs in 50 reviews reporting FI (median sample size 100), the pooled median FI was 3 (IQR: 1-7). Most reviews investigated orthopaedic surgery RCTs (n = 32). There was a moderate correlation between FI and p value (r = 0.-413), a mild correlation between FI and sample size (r = 0.188), and a mild correlation between FI and event number (r = 0.129). CONCLUSION: Based on a limited sample of systematic reviews, surgical RCT FI values are still low (2-5). Future RCTs in surgery require improvement to study design in order to increase the robustness of statistically significant findings.
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 | 0,115 | 0,063 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,075 | 0,027 |
| Bibliométrie | 0,003 | 0,002 |
| 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; les deux têtes enseignantes 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 ».