Using a patient-centred composite endpoint in a secondary analysis of the Control of Hypertension in Pregnancy Study (CHIPS) Trial
Notice bibliographique
Résumé
BACKGROUND: Clinical trials commonly use multiple endpoints to measure the impact of an intervention. While this improves the comprehensiveness of outcomes, it can make trial results difficult to interpret. We examined the impact of integrating patient weights into a composite endpoint on the interpretation of Control of Hypertension in Pregnancy Study (CHIPS) Trial results. METHODS: Outcome weights were extracted from a previous patient preferences study in pregnancy hypertension (N = 183 women) which identified (i) seven outcomes most important to women (taking medication, severe hypertension, pre-eclampsia, blood transfusion, Caesarean, delivery < 34 weeks, and baby born smaller-than-expected) and (ii) three preference subgroups: (1) 'equal prioritizers', 62%; (2) 'early delivery avoiders', 23%; and (3) 'medication minimizers', 14%. Outcome weights from the preference subgroups were integrated with CHIPS data for the seven outcomes identified in the preference study. A weighted composite score was derived for each participant by multiplying the preference weight for each outcome by the binary outcome if it occurred. Analyses considered equal weights and those from the preference subgroups. The mean composite scores were compared between trial arms (t-tests). RESULTS: Composite scores were similar between trial arms with the use of equal weights or those of subgroup (1) (95% confidence intervals [CIs]: - 0.03, 0.02; p > 0.50 for each). 'Tight' control was superior when using subgroup (2) weights (95% CIs: 0.002, 0.07; p = 0.03), and 'less-tight' control was superior when using subgroup (3) weights (95% CIs: - 0.11, - 0.04; p < 0.01). CONCLUSIONS: Evidence-based recommendations for 'tight' control are consistent with most women's preferences, but for a sixth of women, 'less-tight' control is more preference consistent. Depending on patient preferences, a single trial may support different interventions. Future trials should specify component weights to improve interpretation. TRIAL REGISTRATION: ClinicalTrials.gov NCT01192412.
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 | 0,006 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,004 |
| 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 ».