Statistical Methods for Analyzing EQ-5D in Randomized Clinical Trials: A Systematic Literature Review
Notice bibliographique
Résumé
OBJECTIVES: We conducted a systematic literature review to summarize the application of statistical methods for analyzing treatment effect on EQ-5D in randomized clinical trials (RCTs). METHOD: We searched 2 electronic databases (MEDLINE and EMBASE, from inception through 2021) and www. CLINICALTRIAL: gov. Eligible studies were RCTs that analyzed postbaseline EQ-5D data by treatment group. Information on trial characteristics, EQ-5D data characteristics, and statistical methods were extracted. Descriptive statistics were used to summarize results by dimension response, EQ visual analog scale (EQ VAS), and EQ-5D utility. RESULTS: A total of 2125 trials met the eligibility criteria. EQ-5D was commonly considered a secondary (n = 1219, 57.4%) or exploratory (n = 775, 36.5%) endpoint in RCTs. EQ-5D utilities were the most analyzed. Both utilities and EQ VAS were primarily analyzed in numerical format. The most common statistical models for analyzing utilities were the linear fixed-effect model for single postbaseline (192/589, 32.6%) and the linear mixed-effect model for multiple post-baselines (338/984, 34.3%). Of the 2054 studies that analyzed numerical EQ-5D, 221 (10.8%) examined model assumptions and 438 (21.3%) adjusted for the baseline score. Missing data were explicitly assessed in 661 trials, among which 347 (52.5% of 661) applied imputations, with the 2 most used imputation methods being multiple imputations (n = 200, 57.6% of 347) and last observation carried forward (n = 106, 30.5% of 347). CONCLUSIONS: This review found that health utilities are the most frequently analyzed EQ-5D data collected in clinical trials, followed by EQ VAS. Significant variation was observed in the selection of models, with most trials lacking adjustments for baseline data and appropriate methods for handling missing data.
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 | 0,104 | 0,281 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,002 |
| Méta-épidémiologie (sens large) | 0,024 | 0,020 |
| Bibliométrie | 0,012 | 0,011 |
| Études des sciences et des technologies | 0,001 | 0,003 |
| Communication savante | 0,006 | 0,004 |
| Science ouverte | 0,004 | 0,003 |
| Intégrité de la recherche | 0,004 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 0,001 |
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 ».