“Spin” in Observational Studies in Deep Inferior Epigastric Perforator Flap Breast Reconstruction: A Systematic Review
Notice bibliographique
Résumé
The deep inferior epigastric artery perforator (DIEP) flap is widely used in autologous breast reconstruction. However, the technique relies heavily on nonrandomized observational research, which has been found to have high risk of bias. "Spin" can be used to inappropriately present study findings to exaggerate benefits or minimize harms. The primary objective was to assess the prevalence of spin in nonrandomized observational studies on DIEP reconstruction. The secondary objectives were to determine the prevalence of each spin category and strategy. Methods: MEDLINE and Embase databases were searched from January 1, 2015, to November 15, 2022. Spin was assessed in abstracts and full-texts of included studies according to criteria proposed by Lazarus et al. Results: There were 77 studies included for review. The overall prevalence of spin was 87.0%. Studies used a median of two spin strategies (interquartile range: 1-3). The most common strategies identified were causal language or claims (n = 41/77, 53.2%), inadequate extrapolation to larger population, intervention, or outcome (n = 27/77, 35.1%), inadequate implication for clinical practice (n = 25/77, 32.5%), use of linguistic spin (n = 22/77, 28.6%), and no consideration of the limitations (n = 21/77, 27.3%). There were no significant associations between selected study characteristics and the presence of spin. Conclusions: The prevalence of spin is high in nonrandomized observational studies on DIEP reconstruction. Causal language or claims are the most common strategy. Investigators, reviewers, and readers should familiarize themselves with spin strategies to avoid misinterpretation of research in DIEP reconstruction.
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 | 0,004 | 0,011 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,014 | 0,002 |
| Bibliométrie | 0,002 | 0,006 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 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 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 ».