• <xmp id="1ykh9"><source id="1ykh9"><mark id="1ykh9"></mark></source></xmp>
      <b id="1ykh9"><small id="1ykh9"></small></b>
    1. <b id="1ykh9"></b>

      1. <button id="1ykh9"></button>
        <video id="1ykh9"></video>
      2. 華西醫學期刊出版社
        關鍵詞
        • 標題
        • 作者
        • 關鍵詞
        • 摘要
        高級搜索
        高級搜索

        搜索

        找到 關鍵詞 包含"可信度" 4條結果
        • GRADE指南:Ⅳ. 證據質量分級——研究的局限性(偏倚風險)△

          在GRADE方法中,若多數相關證據來自高偏倚風險的研究,則起初被定為高質量證據的隨機試驗和低質量證據的觀察性研究均有可能被降低質量等級。隨機試驗已確定的局限性包括:未進行分配隱藏、未實施盲法、未報告失訪情況及未恰當考慮意向性治療原則。最近提出的局限性包括:因明顯獲益而早期終止試驗和基于結果選擇性報告結局。觀察性研究的主要局限性包括使用不合適的對照及未能充分調整預后的不平衡。偏倚風險可因不同結果而異(如全死因死亡率的失訪遠少于生命質量的失訪),許多系統評價都容易忽略這一點。在決定是否因偏倚風險而降低質量等級時,不管是隨機試驗還是觀察性研究,作者不應采用對各個研究取平均值的方法。相反,對任何單個結果,當同時存在高、低偏倚風險的研究時,則應考慮只納入較低偏倚風險的研究。

          發表時間:2016-09-07 11:03 導出 下載 收藏 掃碼
        • 遺傳關聯性 Meta 分析證據可信度評價

          遺傳關聯性 Meta 分析將多個研究的數據整合,通過增大樣本量以提高統計效能,成為探求真實遺傳關聯性的有效途徑。Meta 分析為遺傳關聯性證據的產生帶來機遇,但同時也給此類證據的利用帶來挑戰。因此,合理評價證據的可信度確有必要。本文主要介紹如何使用 Venice 標準從分子流行病學角度評價遺傳關聯性 Meta 分析證據的可信度。評估指標包括證據量、重復性及偏倚控制三方面,最后綜合三方面的分級結果,得出“強”、“中等”、“弱”三個等級結果。通過對遺傳關聯性 Meta 分析證據可信度的評估,為進一步的研究及證據的臨床轉化提供明確信息。

          發表時間:2018-08-14 02:01 導出 下載 收藏 掃碼
        • 抗凝藥用于房顫患者隊列研究的結果可信度評價工具的研發

          目的構建抗凝藥用于房顫患者隊列研究的結果可信度評價工具。方法計算機檢索 MEDLINE、EMbase 和 CBM 查找評價隊列研究方法學質量和結果可信度的相關文獻,檢索時限由建庫至 2017 年 12 月 19 日。根據檢索結果,提取并收集關于觀察性研究方法學質量或結果可信度的條目。通過核心小組頭腦風暴,對收集的條目進行擴充和整理,形成初步量表。進一步召開內部專家討論會,對初步量表內容進行商議、評價,同時對量表框架進行討論。最后組織外部專家對量表進行四輪外部評價,形成最終量表。結果經過文獻篩選納入 17 篇文獻,去除重復、意義相同的條目并整理后,建立關鍵詞池,初步形成 46 個條目。經核心小組討論補充潛在條目,剔除與方法學無關條目,整合部分重疊條目,形成 43 個條目的初級量表。通過 4 輪內部專家討論會,對條目進行整合,形成 40 個條目的初級量表。進一步通過 4 輪外部專家咨詢會,對條目進一步優化及整合,達成一致意見,最終形成 21 個條目的量表,包括問題定義、測量、隨訪、混雜、缺失、統計方法、結果評價 7 個域。結論本研究制定了抗凝藥用于房顫患者隊列研究可信度評價量表,具有實際的臨床應用價值。臨床醫師在臨床診療實踐中,可參考本量表對隊列研究可信度進行評價和循證決策;同時,在相關指南的制作中,也可采用本量表對隊列研究結果可信度進行評價。

          發表時間:2019-02-19 03:57 導出 下載 收藏 掃碼
        • 網狀 Meta 分析結論形成的方法:部分背景化框架

          目前網狀 Meta 分析已得到飛速發展和廣泛應用,具有可量化比較相同主題的 2 種以上不同處理措施的相對優勢的特點。但由于存在多個干預措施的比較,增加了其結果解讀的復雜性,解讀時對證據可信度的忽略也導致了結論存在誤導性。近期,GRADE 工作組提出了 2 種網狀 Meta 分析結論形成的方法,即部分背景化框架與最小背景化框架。本文聚焦于部分背景化框架,當使用該框架時,作者必須確定效應閾值,以區分無效、較小效應、中等效應和較大效應。部分背景化框架的指導原則包括根據效應大小與利弊對干預措施進行分類,及分類時考慮效應的點估計值和干預措施排序,綜合考慮證據可信度(證據質量)以得出結論。本文結合實例,對部分背景化框架的原理步驟進行描述和闡釋,以期為該方法在網狀 Meta 分析結果解讀與結論形成環節的應用提供指導。

          發表時間: 導出 下載 收藏 掃碼
        共1頁 上一頁 1 下一頁

        Format

        Content

      3. <xmp id="1ykh9"><source id="1ykh9"><mark id="1ykh9"></mark></source></xmp>
          <b id="1ykh9"><small id="1ykh9"></small></b>
        1. <b id="1ykh9"></b>

          1. <button id="1ykh9"></button>
            <video id="1ykh9"></video>
          2. 射丝袜