Presentation approaches for enhancing interpretability of patient-reported outcomes in meta-analyses: a systematic survey of Cochrane reviews
Notice bibliographique
Résumé
OBJECTIVES: To systematically survey Cochrane reviews' approaches to calculating, presenting, and interpreting pooled estimates of patient-reported outcome measures (PROMs). STUDY DESIGN AND SETTING: We retrospectively selected 200 Cochrane reviews that met the eligibility criteria. Two researchers independently extracted the pooled effect measures and approaches for pooling and interpreting the effect measures, reaching consensus through discussions. RESULTS: When primary studies used the same PROM, Cochrane review authors most often used mean differences (MDs) (81.9%) for calculating the pooled effect measures; when primary studies used different PROMs, the review authors often applied standardized mean differences (SMDs) (54.3%). Although in most cases (80.1%) the review authors interpreted the importance of effect, they failed, in 48.5% of the pooled effect measures, to report criteria for categorizing the magnitude of effect. When authors interpreted the importance of the effect, for those with primary studies using the same PROM, they most often referred to the minimally important differences (MIDs) (75.0%); for those with primary studies using different PROMs, the approaches used varied. CONCLUSION: Cochrane review authors most often used MDs or SMDs for calculating and presenting the pooled effect measures of PROs but often failed to make explicit their criteria for categorizing the magnitude of effect.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,638 | 0,863 |
| Méta-épidémiologie (sens strict) | 0,007 | 0,007 |
| Méta-épidémiologie (sens large) | 0,018 | 0,030 |
| Bibliométrie | 0,082 | 0,052 |
| Études des sciences et des technologies | 0,003 | 0,005 |
| Communication savante | 0,016 | 0,018 |
| Science ouverte | 0,006 | 0,016 |
| Intégrité de la recherche | 0,005 | 0,005 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,001 |
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; l’étiquette directe de Gemma et le classifieur distillé Codex 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 ».