Reporting guidelines for traditional Chinese medicine could be improved: a cross-sectional study
Notice bibliographique
Résumé
OBJECTIVES: The aim of this study is to identify available reporting guidelines for traditional Chinese medicine (TCM), delineate their fundamental characteristics, assess the scientific rigor of their development process, and evaluate their dissemination. STUDY DESIGN AND SETTING: A search was conducted in Medline (via PubMed), China National Knowledge Infrastructure (CNKI), SinoMed, WANFANG DATA, and the EQUATOR Network to identify TCM reporting guidelines. A preprepared Excel database was used to extract information on the basic characteristics, development process, and dissemination information. The development process quality of TCM reporting guidelines was assessed by evaluating their compliance with the Guidance for Developers of Health Research Reporting Guidelines (GDHRRG). The extent of dissemination of these guidelines was analyzed by examining the number of citations received. RESULTS: A total of 26 reporting guidelines for TCM were obtained from 20 academic journals, with 61.5% of them published in English journals. Among the guidelines, 14 (53.8%) were registered in the EQUATOR Network. On average, the compliance rate of GDHRRG guidelines was reported to be 63.3% ranging from 22.2% to 94.4%. Three steps showed poor compliance, namely guideline endorsement (23.1%), translated guidelines (19.2%), and developing a publication strategy (19.2%). Furthermore, the compliance rate of GDHRRG guidelines published in English journals was higher than that in Chinese journals. In terms of the dissemination, 15.4% of the guidelines had been cited over 100 times, while 73.1% had been cited less than 50 times. CONCLUSION: The development of TCM reporting guidelines still has limitations in terms of regarding scientific rigor and follow-up dissemination. Therefore, it is important to ensure adherence to the scientific process in the development of TCM reporting guidelines and to strengthen their promotion, dissemination, and implementation.
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 | 0,013 | 0,037 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».