MétaCan
Menu
Retour à la cohorte
Enregistrement W4413091456 · doi:10.1016/j.imr.2025.101200

Reporting guidelines for music-based interventions checklist: Explanation and elaboration guide

2025· article· en· W4413091456 sur OpenAlexaff
Sheri L. Robb, K. Maya Story, Elizabeth Harman, Debra S. Burns, Joke Bradt, Emmeline Edwards, Tasha L. Golden, Christian Gold, John R. Iversen, Assal Habibi, Julene K. Johnson, Miriam Lense, Susan M. Perkins, Stacey Springs

Notice bibliographique

RevueIntegrative Medicine Research · 2025
Typearticle
Langueen
DomainePsychology
ThématiqueMusic Therapy and Health
Établissements canadiensMcMaster University
Organismes subventionnairesNational Cancer InstituteWalther Cancer Foundation
Mots-clésElaborationChecklistPsychological interventionPsychologyApplied psychologyCognitive psychologyPsychiatryArtHumanities

Résumé

récupéré en direct d'OpenAlex

Background: (RG-MBI, published 2011), multiple reviews reveal sustained problems with reporting quality and consistency. To address this, we convened an interdisciplinary expert panel to update and improve the utility and validity of the existing guidelines using a rigorous Delphi approach. The resulting updated checklist includes 12-items across eight areas considered essential to ensure transparent reporting of MBIs. Methods: The purpose of this explanation and elaboration document is to facilitate consistent understanding, use, and dissemination of the revised RG-MBI. Members of the interdisciplinary expert panel collaborated to create the resulting guidance statement. Results: This guidance statement offers: (1) the scope and intended use of the RG-MBI, (2) an explanation for each checklist item, with examples from published studies, and (3) two published studies with annotations indicating where the authors reported each checklist item. Conclusion: Broader uptake of the RG-MBIs by study authors, editors, and peer reviewers will lead to better reporting of MBI trials, and in turn facilitate greater replication of research, improve cross-study comparisons and meta-analyses, and increase implementation of findings.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,185
score de la tête « metaresearch » (Gemma)0,433
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche
Catégories consensuellesaucune
DomaineSignal candidat: Présentation des résultats · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,815
Score d'incertitude au seuil0,980

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,1850,433
Méta-épidémiologie (sens strict)0,0040,005
Méta-épidémiologie (sens large)0,0050,010
Bibliométrie0,0240,015
Études des sciences et des technologies0,0030,003
Communication savante0,0070,006
Science ouverte0,0090,008
Intégrité de la recherche0,0080,010
Charge utile insuffisante (le modèle a refusé de juger)0,0470,026

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.

Tête enseignante Opus0,631
Tête enseignante GPT0,671
Écart entre enseignants0,040 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Devis d'étudeSans objet
DomainePrésentation des résultats
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations4
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIntegrative Medicine ResearchMême sujetMusic Therapy and HealthTravaux en français237 207