Observational studies and their utility for practice.
Notice bibliographique
Résumé
Randomised controlled clinical trials are the best source of evidence for assessing the efficacy of drugs.Observational studies provide critical descriptive data and information on long-term efficacy and safety that clinical trials cannot provide, at generally much less expense.Observational studies include case reports and case series, ecological studies, cross-sectional studies, case-control studies and cohort studies.New and ongoing developments in data and analytical technology, such as data linkage and propensity score matching, offer a promising future for observational studies.However, no study design or statistical method can account for confounders and bias in the way that randomised controlled trials can.Clinical registries are gaining importance as a method to monitor and improve the quality of care in Australia.Although registries are a form of cohort study, clinical trials can be incorporated into them to exploit the routine follow-up of patients to capture relevant outcomes. Ecological studiesEcological studies are based on analysis of aggregated data at group levels (for example populations), and do not involve data on individuals.These data can be analysed descriptively, but not definitively for causation.Typical examples include studies that examine patterns of drug use over time.One example is the comparison of the use of non-steroidal anti-inflammatory drugs and COX-2 inhibitors in Australia and Canada. 11Sometimes ecological studies describe associations between drugs and outcomes, such as changes in the rates of upper gastrointestinal haemorrhage after the introduction of COX-2 inhibitors. 12However, because individual-level data are not presented, causality is at best only implied in ecological studies.The 'ecological fallacy' refers to the error of assuming that associations observed in ecological studies are causal when they are not. Cross-sectional studiesCross-sectional studies collect data at a single point in time for each single individual, but the actual data collection may take place over a period of time or on more than one occasion.There is no longitudinal follow-up of individuals.Cross-sectional studies represent the archetypal descriptive study. 1 Typically, they provide a profile of a population of interest, which may be broad, like the Australian Health Survey undertaken intermittently by the Australian Bureau of Statistics, 13 or focused on specific populations, such as older Australians. 14
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 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 | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».