Introduction to network meta-analysis: understanding what it is, how it is done, and how it can be used for decision-making
Notice bibliographique
Résumé
Network meta-analysis (NMA), a statistical technique that allows systematic reviewers to simultaneously compare more than 2 alternatives, makes use of indirect evidence from studies comparing interventions of interest to a common comparator. The capacity for multiple simultaneous comparisons makes NMA appealing for evidence-based decision-makers. This article, aimed at users of systematic reviews (SRs) with NMAs and at those who are considering conducting SRs with NMAs, provides an introductory level overview of this topic. We describe the main considerations that those conducting systematic reviews with NMA should bear in mind, including decisions regarding grouping interventions into analysis nodes, and testing the assumptions that assure the validity of NMA. We explain and illustrate how both systematic reviewers and users should draw conclusions from NMA that are appropriate and useful for decision-making. Finally, we provide a list of tools that facilitate the conduct and interpretation of NMAs.
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 | 0,088 | 0,331 |
| Méta-épidémiologie (sens strict) | 0,004 | 0,003 |
| Méta-épidémiologie (sens large) | 0,006 | 0,010 |
| Bibliométrie | 0,012 | 0,015 |
| Études des sciences et des technologies | 0,002 | 0,007 |
| Communication savante | 0,010 | 0,013 |
| Science ouverte | 0,005 | 0,005 |
| Intégrité de la recherche | 0,008 | 0,017 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,009 | 0,003 |
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 ».