MétaCan
Menu
Retour à la cohorte
Enregistrement W4387642470 · doi:10.1177/15459683231209162

Control intervention design for preclinical and clinical trials: Consensus-based core recommendations from the third Stroke Recovery and Rehabilitation Roundtable

2023· article· en· W4387642470 sur OpenAlexaff
Kathryn S. Hayward, Emily J Dalton, Jessica Barth, Marian Brady, Leora R. Cherney, Leonid Churilov, Andrew N. Clarkson, Jesse Dawson, Sean P. Dukelow, Peter Feys, Maree L. Hackett, Steve R Zeiler, Catherine E. Lang

Notice bibliographique

RevueNeurorehabilitation and neural repair · 2023
Typearticle
Langueen
DomaineMedicine
ThématiqueStroke Rehabilitation and Recovery
Établissements canadiensUniversity of Calgary
Organismes subventionnairesNational Health and Medical Research CouncilIpsen
Mots-clésNeurorehabilitationPsychological interventionRehabilitationIntervention (counseling)Physical medicine and rehabilitationPsychologyComparatorControl (management)MoodMedicineApplied psychologyComputer sciencePhysical therapyPsychiatryEngineeringArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

Control comparator selection is a critical trial design issue. Preclinical and clinical investigators who are doing trials of stroke recovery and rehabilitation interventions must carefully consider the appropriateness and relevance of their chosen control comparator as the benefit of an experimental intervention is established relative to a comparator. Establishing a strong rationale for a selected comparator improves the integrity of the trial and validity of its findings. This Stroke Recovery and Rehabilitation Roundtable (SRRR) taskforce used a graph theory voting system to rank the importance and ease of addressing challenges during control comparator design. "Identifying appropriate type of control" was ranked easy to address and very important, "variability in usual care" was ranked hard to address and of low importance, and "understanding the content of the control and how it differs from the experimental intervention" was ranked very important but not easy to address. The CONtrol DeSIGN (CONSIGN) decision support tool was developed to address the identified challenges and enhance comparator selection, description, and reporting. CONSIGN is a web-based tool inclusive of seven steps that guide the user through control comparator design. The tool was refined through multiple rounds of pilot testing that included more than 130 people working in neurorehabilitation research. Four hypothetical exemplar trials, which span preclinical, mood, aphasia, and motor recovery, demonstrate how the tool can be applied in practice. Six consensus recommendations are defined that span research domains, professional disciplines, and international borders.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,739
score de la tête « metaresearch » (Gemma)0,805
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,739
Score d'incertitude au seuil0,322

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,7390,805
Méta-épidémiologie (sens strict)0,0050,008
Méta-épidémiologie (sens large)0,0140,021
Bibliométrie0,0220,015
Études des sciences et des technologies0,0070,013
Communication savante0,0230,017
Science ouverte0,0270,020
Intégrité de la recherche0,0410,043
Charge utile insuffisante (le modèle a refusé de juger)0,0120,010

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.

Tête enseignante Opus0,194
Tête enseignante GPT0,453
Écart entre enseignants0,259 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Devis d'étudeSans objet
Domainenon disponible
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations5
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueNeurorehabilitation and neural repairMême sujetStroke Rehabilitation and RecoveryTravaux en français237 207