Reporting quality and risk of bias of Cochrane individual participant data meta‐analyses: A cross‐sectional study
Notice bibliographique
Résumé
OBJECTIVES: This study aimed to assess the reporting quality and risk of bias of Cochrane individual participant data meta-analyses (IPD-MAs). METHODS: We searched the Cochrane Library and identified the Cochrane IPD-MAs. We used the Preferred Reporting Items for Systematic Review and Meta-Analyses of individual participant data (PRISMA-IPD) assessed the reporting quality of included Cochrane IPD- MAs, and the Risk Of Bias In Systematic reviews (ROBIS) tool was used to assess the risk of bias. We performed stratified and correlation analyses to explore factors affecting the quality. RESULTS: Forty-six Cochrane IPD-MAs were included in our study. Twenty-six Cochrane IPD-MAs (56.5%) had statistical or epidemiological authors involved, and 31 (67.4%) contained only IPD data. Thirty-five studies (76.1%) did not report whether they used 1-stage or 2-stage methods, and forty (87.0%) did not report the statistical techniques used for missing participant data. We found that the entire compliance reported PRISMA-IPD items of Cochrane IPD-MAs published after 2015 (n = 18; Mean ± SD: 26.61 ± 2.75) was higher than those studies published in 2015 and before (n = 28; Mean ± SD: 22.61 ± 4.73), the difference was statistically significant (p = 0.002). A strong positive correlation was found between the fully reported PRISMA-IPD items and fully accordance ROBIS items (Spearman's: ρ = 0.653, p < 0.001). CONCLUSIONS: The quality of Cochrane IPD-MAs is not high, especially in the reporting of statistical methods. There was room for further improvement in IPD retrieval, IPD integrity and statistical analyses.
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 | 0,657 | 0,711 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,008 | 0,002 |
| Bibliométrie | 0,001 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,002 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».