Extent, transparency and impact of industry funding for pelvic mesh research: a review of the literature
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
BACKGROUND: Conflicts of interest inherent in industry funding can bias medical research methods, outcomes, reporting and clinical applications. This study explored the extent of funding provided to American physician researchers studying surgical mesh used to treat uterine prolapse or stress urinary incontinence, and whether that funding was declared by researchers or influenced the ethical integrity of resulting publications in peer reviewed journals. METHODS: Publications identified via a Pubmed search (2014-2021) of the terms mesh and pelvic organ prolapse or stress urinary incontinence and with at least one US physician author were reviewed. Using the CMS Open Payments database industry funding received by those MDs in the year before, of and after publication was recorded, as were each study's declarations of funding and 14 quality measures. RESULTS: Fifty-three of the 56 studies reviewed had at least one American MD author who received industry funding in the year of, or one year before or after publication. For 47 articles this funding was not declared. Of 247 physician authors, 60% received > $100 while 13% received $100,000-$1,000,000 of which approximately 60% was undeclared. While 57% of the studies reviewed explicitly concluded that mesh was safe, only 39% of outcomes supported this. Neither the quality indicator of follow-up duration nor overall statements as to mesh safety varied with declaration status. CONCLUSIONS: Journal editors' guidelines re declaring conflicts of interest are not being followed. Financial involvement of industry in mesh research is extensive, often undeclared, and may shape the quality of, and conclusions drawn, resulting in overstated benefit and overuse of pelvic mesh in clinical practice.
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.
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 | 0,042 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,003 | 0,001 |
| Bibliométrie | 0,000 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,003 | 0,035 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 découle