Risk of Bias in Randomized Controlled Trials of Nutrition Interventions for Frailty in Older Adults
Notice bibliographique
Résumé
Abstract We assessed the risk of bias in randomized controlled trials (RCTs) of nutrition-only interventions and holistic frailty outcomes in older adults. We also explored associations between study-level factors and risk of bias. We searched Cochrane, PubMed, and Scopus for published trials between 01/01/2000 and 11/13/2024. Two persons independently screened each citation at the title and abstract, and full text, levels. They also independently conducted data extraction and assessed risk of bias using the Cochrane Risk of Bias 2 tool. We used responses on the tool to develop index scores between 0-1 for each included article, with higher scores indicating lower risk of bias. We regressed the index scores on four study-level factors, i.e., region of publication, year of publication, journal impact factor, and reported use of CONSORT guidelines. Fifteen articles were included in the study: three had low risk of bias, two had some concerns with bias, and ten had high risk of bias. Domain 2 on the Cochrane tool generated the most challenges with bias, largely due to poor reporting of intention-to-treat analysis and lack of information on how this issue might affect trial results. Median index scores were 0.52, 0.53, and 0.86 for articles with high, some concerns, and low risk of bias, respectively (p = 0.0479). However, the index scores were not associated with any study-level factors. Researchers in the field should note potential biases in the design and conduct of RCTs, especially in data analysis and – more specifically – intent-to-treat analysis.
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 | 0,599 | 0,826 |
| Méta-épidémiologie (sens strict) | 0,004 | 0,003 |
| Méta-épidémiologie (sens large) | 0,019 | 0,033 |
| Bibliométrie | 0,026 | 0,021 |
| Études des sciences et des technologies | 0,003 | 0,009 |
| Communication savante | 0,010 | 0,010 |
| Science ouverte | 0,006 | 0,008 |
| Intégrité de la recherche | 0,010 | 0,008 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 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; 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 ».