Reporting quality of CONSORT flow diagrams in published early phase dose-finding clinical trial reports: Improvement is needed
Notice bibliographique
Résumé
BACKGROUND: This project aims to: (1) assess the completeness of information in flow diagrams of published early phase dose-finding (EPDF) trials based on CONSORT recommendations, and if additional features on dose (de-)escalation were presented; (2) propose new flow diagrams presenting how doses were (de-)escalated throughout the trial. METHODS: Flow diagrams were extracted from a random sample of 259 EPDF trials, published from 2011 to 2020 indexed in PubMed. Diagrams were scored out of 15 following CONSORT recommendations with an additional score for presence of (de-)escalation. New templates were proposed for features that were deficient and presented to 39 methodologists and 11 clinical trialists in October and December 2022. RESULTS: 98 (38%) papers included a flow diagram. Flow diagrams were most deficient in the reporting of reasons for lost to follow up (2%) and reasons for not receiving allocated intervention (14%). Few (39%) presented sequential dose-decision stages. Of voting methodologists, 33/38 (87%) agreed or strongly agreed that for participants recruited in cohorts, presenting the (de-)escalation steps in the flow diagram is a useful feature, also expressed by the trial investigators. Most workshop attendees (35/39, 90%) preferred a larger dose to be displayed higher up within the flow diagram than a smaller dose. CONCLUSION: Most published trials do not provide a flow diagram, and for those that do, essential information is often omitted. EPDF flow diagrams capturing information on participant flow in the trial's journey, encapsulated within one figure, are highly recommended to promote transparency and interpretability of trial results.
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 | 0,922 | 0,941 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,026 | 0,014 |
| Bibliométrie | 0,001 | 0,004 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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; 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 ».