‘Spin’ in urology non‐randomised studies comparing therapeutic interventions: a temporal analysis
Notice bibliographique
Résumé
OBJECTIVE: To determine the prevalence of 'spin' (i.e., reporting practices that distort the interpretation of results by positively reflecting negative findings or downplaying potential harms) strategies and level of spin in urological observational studies and whether the use of spin has changed over time. MATERIALS AND METHODS: MEDLINE and Embase were searched to identify observational studies comparing therapeutic interventions in the top five urology journals and major urological subspecialty journals, published between 2000 and 2001, 2010 and 2011, and 2020 and 2021. RESULTS: A total of 235 studies were included. Spin was identified in 81% of studies, with a median of two strategies per study. The most commonly used strategies were inadequate implication for clinical practice (30%), causal language or causal claim (29%), and use of linguistic spin (29%). Moderate to high levels of spin were found in 55% of conclusions. From 2000 to 2020, the average number of strategies used has significantly decreased each decade (H = 27.459, P < 0.001), and the median level of spin in conclusions was significantly lower in studies published in the 2020s and 2010s than in the 2000s (H = 11.649, P = 0.003). CONCLUSIONS: Our results suggest that 81% of urological observational studies comparing therapeutic interventions contained spin. Over the past two decades, the use of spin has significantly declined, but this remains an area for improvement, with 70% of included studies published in the 2020s employing spin. Medical writing should scrupulously avoid words or phrases that are not supported by data in the manuscript.
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 | 0,202 | 0,340 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,002 |
| Méta-épidémiologie (sens large) | 0,004 | 0,014 |
| Bibliométrie | 0,012 | 0,019 |
| Études des sciences et des technologies | 0,002 | 0,003 |
| Communication savante | 0,004 | 0,007 |
| Science ouverte | 0,002 | 0,006 |
| Intégrité de la recherche | 0,003 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 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; 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 ».