The Unsolved Problem of Attrition Rates on Randomized Clinical Trials for Cocaine Use Disorders: A Scoping Review
Notice bibliographique
Résumé
BACKGROUND: Cocaine use disorder (CUD) is a significant and insufficiently studied public health issue, especially considering that the global prevalence of CUD is estimated to be higher than ever. There is still no consensus on effective treatments for CUD. Important barriers for research in the field include the high attrition levels observed in randomized controlled trials (RCTs) for CUD treatment and the lack of emphasis on methods to reduce attrition in CUD RCTs. METHODS: The goal of this study was to systematically review over 2 decades of CUD RCTs, with the objective of evaluating the reporting of attrition bias and methods used to mitigate attrition. RESULTS: Our scoping review extracted information from 106 RCTs, of which only 82 explicitly evaluated attrition as an outcome. Thirty-eight studies had an attrition rate above 50%, and five 16 studies had medium attrition bias, 6% to 19%. The remaining 68 had large attrition bias. CONCLUSION: Across all included studies, discussion of attrition as a limitation was uncommon. Overall, these analyses suggest that most RCTs evaluating CUD treatments have not adequately accounted for attrition in their analyses or employed approaches to mitigate attrition.
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 | 0,019 | 0,023 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,009 | 0,005 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».