Eine konsensbasierte Definition und Kriterien der externen Validität von randomisierten kontrollierten Studien – Ergebnisse einer Delphi-Studie
Bibliographic record
Abstract
Einleitung Die externe Validität einer Studie ist ein wichtiger Parameter für evidenzbasierte Entscheidungsfindungen in der Physiotherapie sowie in anderen Bereichen der Gesundheitsversorgung. In systematischen Reviews sollte die externe Validität von inkludierten randomisierten kontrollierten Studien (RCTs) strukturiert bewertet werden [ 1 ]. Leider existiert bisher kein allgemein anerkanntes Messinstrument zur Bewertung der externen Validität von RCTs [ 2 ]. Die erhebliche Heterogenität und der fehlende Konsens in diesem Bereich sind wahrscheinlich die bedeutsamsten Faktoren, welche die Entwicklung eines solchen Messinstruments der externen Validität limitieren [ 1 ] [ 2 ]. Ziel dieser Studie war es, einen Konsens über eine Definition der externen Validität und über Kriterien zur Bewertung der externen Validität von RCTs zu erzielen. Material und Methodik Es wurde eine dreistufige Online-Delphi-Studie durchgeführt. Die Entwicklung der Delphi-Umfrage basierte auf den Ergebnissen eines vorangegangenen systematischen Reviews, in dem Instrumente zur Beurteilung der externen Validität von RCTs identifiziert und bewertet wurden [ 2 ]. Potenzielle Experten wurden durch eine umfassende Websuche identifiziert. Zudem wurden internationale Organisationen kontaktiert, die Methoden zur Evidenzsynthese entwickeln, wie beispielsweise die Cochrane Collaboration. Unter der Annahme einer niedrigen Antwortquote [ 3 ] wurden initial 500 Personen zur Delphi-Umfrage eingeladen. Ein Konsens wurde angenommen, wenn mindestens 67% der Experten einem Vorschlag zustimmten. Ergebnisse Insgesamt nahmen 84 Personen aus verschiedenen Ländern und unterschiedlichen Disziplinen an mindestens einer Runde dieser Delphi-Studie teil [ 4 ]. Es wurde Konsens über die folgende Definition der externen Validität erzielt: „Externe Validität ist das Ausmaß, in dem die Ergebnisse von Studien eine akzeptable Grundlage für die Generalisierbarkeit auf andere Umstände bieten, wie Variationen in Populationen, Settings, Interventionen, Endpunkte oder anderen relevanten Kontextfaktoren“ [ 4 ]. Zudem wurden 14 Kriterien zur Bewertung der externen Validität von RCTs in systematischen Reviews konsentiert, die sich auf die Bereiche Population, Intervention/Vergleich, Endpunkte und Setting beziehen [ 4 ]. Zusammenfassung Die Ergebnisse dieser Delphi-Studie stellen einen konsensbasierten Referenzstandard für die zukünftige Entwicklung von Messinstrumenten der externen Validität dar. Die Entwicklung solcher Messinstrumente kann auch für Evidenzsynthesen über physiotherapeutische Maßnahmen von hoher Bedeutung sein. Publication History Article published online: 21 May 2025 © 2025. Thieme. All rights reserved. Georg Thieme Verlag KG Oswald-Hesse-Straße 50, 70469 Stuttgart, Germany
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.574 | 0.701 |
| Meta-epidemiology (narrow) | 0.002 | 0.002 |
| Meta-epidemiology (broad) | 0.004 | 0.010 |
| Bibliometrics | 0.007 | 0.004 |
| Science and technology studies | 0.002 | 0.006 |
| Scholarly communication | 0.008 | 0.009 |
| Open science | 0.003 | 0.009 |
| Research integrity | 0.003 | 0.004 |
| Insufficient payload (model declined to judge) | 0.005 | 0.001 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; the direct Gemma label and the distilled Codex classifier agree on what is shown here.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".