GRADE指南 17:评估证据中缺失参与者结果数据相关的偏倚风险

2019-11-14 GRADE工作组 GRADE工作组 发表于上海

目标:为二元和连续结果的系统评价提供 GRADE 指导,用于评估缺失数据导致的整个证据体系的偏倚风险。

中文标题:

GRADE指南 17:评估证据中缺失参与者结果数据相关的偏倚风险

英文标题:

GRADE guidelines 17: Assessing the Risk of Bias Associated with Missing Participant Outcome Data in a body of evidence

发布机构:

GRADE工作组

发布日期:

2019-11-14

简要介绍:

目标:为二元和连续结果的系统评价提供 GRADE 指导,用于评估缺失数据导致的整个证据体系的偏倚风险。

研究设计和设置:对已发表的方法学研究进行系统调查、反复讨论、系统评价中的测试以及 GRADE 工作组的反馈。

结果:方法从使用完整案例分析的主要荟萃分析开始,然后进行敏感性荟萃分析,在每项研究中为缺失数据的人估算数据,然后汇总各个研究。对于二元结果,我们建议使用“合理的最坏情况”,其中评价作者假设治疗组中缺失数据的人的事件发生率比成功跟踪的人更高。对于连续结果,估算的平均值来自系统评价中的其他研究,以及所有研究对照组中位数 SD 的标准差 (SD)。

结论:如果主要荟萃分析的结果对最极端的假设具有稳健性,则不会因为缺少参与者结果数据而降低证据的确定性,因为存在偏见风险。如果结果证明对合理的假设不具有稳健性,则将降低证据的确定性,因为存在偏见风险。

相关资料下载:
[AttachmentFileName(sort=1, fileName=guyatt2017.pdf)] GetToolGuiderByIdResponse(projectId=1, id=ed70b1c00a025e8f, title=GRADE指南 17:评估证据中缺失参与者结果数据相关的偏倚风险, enTitle=GRADE guidelines 17: Assessing the Risk of Bias Associated with Missing Participant Outcome Data in a body of evidence, guiderFrom=GRADE工作组, authorId=0, author=, summary=目标:为二元和连续结果的系统评价提供 GRADE 指导,用于评估缺失数据导致的整个证据体系的偏倚风险。, cover=https://img.medsci.cn/20241104/1730704975594_8538692.jpg, journalId=0, articlesId=null, associationId=1426, associationName=GRADE工作组, associationIntro=GRADE Working Group, copyright=0, guiderPublishedTime=Thu Nov 14 00:00:00 CST 2019, originalUrl=, linkOutUrl=, content=<p>目标:为二元和连续结果的系统评价提供 GRADE 指导,用于评估缺失数据导致的整个证据体系的偏倚风险。</p> <p>研究设计和设置:对已发表的方法学研究进行系统调查、反复讨论、系统评价中的测试以及 GRADE 工作组的反馈。</p> <p>结果:方法从使用完整案例分析的主要荟萃分析开始,然后进行敏感性荟萃分析,在每项研究中为缺失数据的人估算数据,然后汇总各个研究。对于二元结果,我们建议使用&ldquo;合理的最坏情况&rdquo;,其中评价作者假设治疗组中缺失数据的人的事件发生率比成功跟踪的人更高。对于连续结果,估算的平均值来自系统评价中的其他研究,以及所有研究对照组中位数 SD 的标准差 (SD)。</p> <p>结论:如果主要荟萃分析的结果对最极端的假设具有稳健性,则不会因为缺少参与者结果数据而降低证据的确定性,因为存在偏见风险。如果结果证明对合理的假设不具有稳健性,则将降低证据的确定性,因为存在偏见风险。</p>, tagList=[TagDto(tagId=497885, tagName=GRADE指南)], categoryList=[CategoryDto(categoryId=85, categoryName=指南&解读, tenant=100), CategoryDto(categoryId=248, categoryName=临床研究, tenant=100)], articleKeywordId=83140, articleKeyword=grade, articleKeywordNum=6, guiderKeywordId=497885, guiderKeyword=GRADE指南, guiderKeywordNum=6, haveAttachments=1, attachmentList=null, guiderType=0, guiderArea=指南, guiderLanguage=1, guiderRegion=10, opened=0, paymentType=, paymentAmount=10, recommend=0, recommendEndTime=null, sticky=0, stickyEndTime=null, allHits=201, appHits=11, showAppHits=0, pcHits=13, showPcHits=190, likes=0, shares=3, comments=0, approvalStatus=1, publishedTime=Mon Nov 04 22:06:00 CST 2024, publishedTimeString=2019-11-14, pcVisible=1, appVisible=1, editorId=0, editor=侠胆医心, waterMark=0, formatted=0, memberCards=[], isPrivilege=0, deleted=0, version=5, createdBy=null, createdName=侠胆医心, createdTime=Mon Nov 04 07:05:59 CST 2024, updatedBy=8538692, updatedName=梅斯话题小助手, updatedTime=Mon Nov 04 15:23:42 CST 2024, courseDetails=[], otherVersionGuiders=[], isGuiderMember=false, ipAttribution=上海, attachmentFileNameList=[AttachmentFileName(sort=1, fileName=guyatt2017.pdf)])
guyatt2017.pdf
下载请点击:
评论区 (0)
#插入话题

拓展阅读

DDS: 简单血管结构分类可以预测胰腺神经内分泌肿瘤分级和预后

血管结构性状是评估胰腺神经内分泌肿瘤(PNET)的关键特征。血管结构(VA)可以通过超声(EUS)中的常规多普勒血流来评估,而无需造影剂。本项研究的目的是在EUS中为PNET等级和预后提供简单的VA分类。

GRADE指南:3. 评估证据质量

GRADE工作组 · 2012-11-15