Outcome measures for randomised clinical trials and multicentre observational studies of cardiovascular diseases published in major clinical journals: systematic review and evidence mapping
Notice bibliographique
Résumé
BACKGROUND: Outcome measure choice and definition can determine the result of the study. We describe outcome measures and their definitions for cardiovascular studies in highly cited medical journals. METHODS: between 1 January 2013 and 6 June 2024 from Embase and Ovid Medline were included. Two independent reviewers selected the studies and extracted the primary and secondary outcome measures from each publication. RESULTS: 386 studies (83% RCTs; 17% observational) representing 10 699 147 participants were included. Studies investigated coronary heart disease (51%), cardiomyopathy/heart failure (22%), heart rhythm disease (15%), valvular heart disease (11%) and 'other' cardiovascular diseases (1%), with 45% investigating a device and 48% funded by industry. The most frequently reported primary outcome measure was a composite (63%), the most frequent component of which was myocardial infarction (58%). The use of a composite for the primary outcome measure increased from 49% of studies in 2013 to a peak of 85% in 2018. From 2013 to 2023, the median number of secondary outcome measures per study increased for RCTs (3-8) and observational studies (0-7). Definitions for cardiovascular mortality, myocardial infarction and stroke varied across the studies. CONCLUSIONS: For cardiovascular studies published in highly cited journals, there has been an expansion in the use of primary composite outcome measures and secondary outcome measures, with heterogeneity in the definition of primary outcome measures. A standardised approach to the use of cardiovascular outcomes measures is required.
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 | 0,073 | 0,282 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,023 | 0,004 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 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; les deux têtes enseignantes 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 ».