Risk of bias in cross-sectional studies: Protocol for a scoping review of concepts and tools
Notice bibliographique
Résumé
Cross-sectional studies are commonly used to study human health and disease, but are especially susceptible to bias. This scoping review aims to identify and describe available tools to assess the risk of bias (RoB) in cross-sectional studies and to compile the key bias concepts relevant to cross-sectional studies into an item bank. Using the JBI scoping review methodology, the strategy to locate relevant RoB concepts and tools is a combination of database searches, prospective review of PROSPERO registry records; and consultation with knowledge users and content experts. English language records will be included if they describe tools, checklists, or instruments which describe or permit assessment of RoB for cross-sectional studies. Systematic reviews will be included if they consider eligible RoB tools or use RoB tools for RoB of cross-sectional studies. All records will be independently screened, selected, and extracted by one researcher and checked by a second. An analytic framework will be used to structure the extraction of data. Results for the scoping review are pending. Results from this scoping review will be used to inform future selection of RoB tools and to consider whether development of a new RoB tool for cross-sectional studies is needed.
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 | 0,227 | 0,249 |
| Méta-épidémiologie (sens strict) | 0,006 | 0,008 |
| Méta-épidémiologie (sens large) | 0,011 | 0,016 |
| Bibliométrie | 0,022 | 0,019 |
| Études des sciences et des technologies | 0,006 | 0,006 |
| Communication savante | 0,008 | 0,010 |
| Science ouverte | 0,006 | 0,010 |
| Intégrité de la recherche | 0,010 | 0,011 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,096 | 0,025 |
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 ».