Considerations For Identifying and Conducting Cluster Trials
Notice bibliographique
Résumé
Background: The cluster randomized trial design randomly assigns groups of people to different treatment arms. This dissertation aimed to (1) develop machine learning algorithms to identify cluster trials in bibliographic databases, (2) assess reporting of methodological and ethical elements in hemodialysis-related cluster trials, and (3) assess how well two covariate-constrained randomization methods balanced baseline characteristics compared with simple randomization. Methods: In study 1, we developed three machine learning algorithms that classify whether a bibliographic citation is a CRT report or not. We only used the information available in an article citation, including the title, abstract, keywords, and subject headings. In study 2, we conducted a systematic review of CRTs in the hemodialysis setting to review the reporting of key methodological and ethical issues. We reviewed CRTs published in English between 2000 and 2019 and indexed in MEDLINE or EMBASE. In study 3, we assessed how well two covariate-constrained randomization methods balanced baseline characteristics compared with simple randomization. Results: In study 1, we successfully developed high-performance algorithms that identified whether a citation was a CRT. Our algorithms had greater than 97% sensitivity and 77% specificity in identifying CRTs. For study 2, we found suboptimal conduct and reporting of methodological issues of CRTs in the hemodialysis setting and incomplete reporting of key ethical issues. For study 3, where we randomized 72 clusters, constraining the randomization using historical information achieved a better balance on baseline characteristics than simple randomization; however, the magnitude of benefit was modest. Conclusions: This dissertation's results will help researchers quickly identify cluster trials in bibliographic databases (study 1) and inform the design and analyses of future Canadian trials conducted within the hemodialysis setting (study 2 & 3).
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 | 0,861 | 0,936 |
| Méta-épidémiologie (sens strict) | 0,004 | 0,006 |
| Méta-épidémiologie (sens large) | 0,010 | 0,012 |
| Bibliométrie | 0,013 | 0,014 |
| Études des sciences et des technologies | 0,006 | 0,020 |
| Communication savante | 0,021 | 0,022 |
| Science ouverte | 0,012 | 0,010 |
| Intégrité de la recherche | 0,015 | 0,019 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 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 ».