Methodological and Reporting Quality of Noninferiority Randomized Controlled Trials Comparing Antiretroviral Therapies: A Systematic Review
Notice bibliographique
Résumé
BACKGROUND: It is unclear whether the reporting quality of antiretroviral (ARV) noninferiority (NI) randomized controlled trials (RCTs) has improved since the CONSORT guideline release in 2006. The primary objective of this systematic review was assessing the methodological and reporting quality of ARV NI-RCTs. We also assessed reporting quality by funding source and publication year. METHODS: We searched Medline, Embase, and Cochrane Central from inception to 14 November 2022. We included NI-RCTs comparing ≥2 ARV regimens used for human immunodeficiency virus treatment or prophylaxis. We used the Cochrane Risk of Bias 2.0 tool to assess risk of bias. Screening and data extraction were performed blinded and in duplicate. Descriptive statistics were used to summarize data; statistical tests were 2 sided, with significance defined as P < .05. The systematic review was prospectively registered (PROSPERO CRD42022328586), and not funded. RESULTS: We included 160 articles reporting 171 trials. Of these articles, 101 (63.1%) did not justify the NI margin used, and 28 (17.5%) did not provide sufficient information for sample size calculation. Eighty-nine of 160 (55.6%) reported both intention-to-treat and per-protocol analyses, while 118 (73.8%) described missing data handling. Ten of 171 trials (5.9%) reported potentially misleading results. Pharmaceutical industry-funded trials were more likely to be double-blinded (28.1% vs 10.3%; P = .03) and to describe missing data handling (78.5% vs 59.0%; P = .02). The overall risk of bias was low in 96 of 160 studies (60.0%). CONCLUSIONS: ARV NI-RCTs should improve NI margin justification, reporting of intention-to-treat and per-protocol analyses, and missing data handling to increase CONSORT adherence.
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 | 0,291 | 0,644 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,004 |
| Méta-épidémiologie (sens large) | 0,016 | 0,015 |
| Bibliométrie | 0,019 | 0,018 |
| Études des sciences et des technologies | 0,002 | 0,007 |
| Communication savante | 0,010 | 0,008 |
| Science ouverte | 0,005 | 0,004 |
| Intégrité de la recherche | 0,007 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 ».