Tolerating bad health research (part 2): still as many bad trials, but more good ones too
Notice bibliographique
Résumé
BACKGROUND: We previously published a study examining the risk of bias of a random selection of Cochrane systematic reviews. The purpose of our current study is to reassess the risk of bias of a cohort of Cochrane reviewed trials to see if our reassessment differs from the original Cochrane assessment and to determine whether the funder, having methodological support, or involving a statistician affected the risk of bias. METHODS: We extracted data from 140 of 159 included trials from three countries, the UK, Canada, and Ireland, in our original cohort. The 19 remaining trials were excluded for a variety of reasons. We recorded the number of participants in the trial, the funder, if a statistician was involved in the trial, if there was any methodological support from a trials unit or clinical research facility, the sponsor, and whether the sponsor was involved in the design or conduct of the trial. The risk of bias of the 140 trials was re-assessed using the same tool as that used by the Cochrane authors. RESULTS: Our judgement of overall high risk of bias was broadly consistent with the original Cochrane authors. The proportion of high risk of bias trials remained more or less where it was at 55%, but the proportion of low risk of bias trials increased from 9 to 16%. The proportion of unclear risk of bias trials changed accordingly. Compared to the original assessments, we judged more studies to be low risk of bias across all domains. The greatest variation was in the two blinding categories (participants and personnel; outcome assessor) and 'other bias'. CONCLUSIONS: More than half of trials in our UK, Canada, and Ireland cohort were at high risk of bias highlighting significant challenges in ensuring the integrity and reliability of research findings. Addressing bias in clinical trials is essential to uphold the credibility of scientific research and to ensure that healthcare interventions are based on sound evidence, ultimately improving patient outcomes.
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 | 0,675 | 0,870 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,004 |
| Méta-épidémiologie (sens large) | 0,012 | 0,014 |
| Bibliométrie | 0,021 | 0,025 |
| Études des sciences et des technologies | 0,004 | 0,018 |
| Communication savante | 0,023 | 0,020 |
| Science ouverte | 0,005 | 0,009 |
| Intégrité de la recherche | 0,011 | 0,010 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,011 | 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; 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 ».