The reporting quality and transparency of orthopaedic studies using Bayesian analysis requires improvement: A systematic review
Notice bibliographique
Résumé
Background: Bayesian methods are being used more frequently in orthopaedics. To advance the use and transparent reporting of Bayesian studies, reporting guidelines have been recommended. There is currently little known about the use or applications of Bayesian analysis in orthopedics including adherence to recommended reporting guidelines. The objective is to investigate the reporting of Bayesian analysis in orthopedic surgery studies; specifically, to evaluate if these papers adhere to reporting guidelines. Methods: We searched PUBMED to December 2nd, 2020. Two reviewers independently identified studies and full-text screening. We included studies that focused on one or more orthopaedic surgical interventions and used Bayesian methods. Results: After full-text review, 100 articles were included. The most frequent study designs were meta-analysis or network meta-analysis (56%, 95% CI 46-65) and cohort studies (25%, 95% CI 18-34). Joint replacement was the most common subspecialty (33%, 95% CI 25-43). We found that studies infrequently reported key concepts in Bayesian analysis including, specifying the prior distribution (37-39%), justifying the prior distribution (18%), the sensitivity to different priors (7-8%), and the statistical model used (22%). In contrast, general methodological items on the checklists were largely well reported. Conclusions: There is an opportunity to improve reporting quality and transparency of orthopaedic studies using Bayesian analysis by encouraging adherence to reporting guidelines such as ROBUST, JASP, and BayesWatch. There is an opportunity to better report prior distributions, sensitivity analyses, and the statistical models used.
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
Étiquettes directes de modèles (non validées)
Étiquettes de catégorie et de devis d'étude par modèle, issues des rondes d'étiquetage. C'est une sortie machine, non validée, et le désaccord entre modèles est livré comme donnée. Aucun devis ici n'est encore validé contre MEDLINE.
| Bras | Catégories | Devis d'étude | Confiance |
|---|---|---|---|
| gemma | Métarecherche Domaine: Présentation des résultats · Genre: Synthèse Porte sur le système de recherche canadien: non · Porte sur un sujet canadien: non | Revue systématique | high |
| gpt | Métarecherche Domaine: Présentation des résultats · Genre: Synthèse Porte sur le système de recherche canadien: non · Porte sur un sujet canadien: non | Revue systématique | high |
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 | 0,847 | 0,888 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,072 | 0,029 |
| Bibliométrie | 0,001 | 0,008 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,008 | 0,002 |
| 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 validéeÉtiqueté directement par 2 modèles lisant le dossier complet.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».