Baidu
map

GRADE指南 27:如何计算研究结果表和证据概况摘要中事件发生时间结果的绝对效应

2021-11-09 GRADE工作组 GRADE工作组 发表于上海

目标:为 GRADE 提供如何准备事件发生时间结果的“结果摘要”表和“证据概况”的指导,重点是计算相应的绝对效应估计值。

中文标题:

GRADE指南 27:如何计算研究结果表和证据概况摘要中事件发生时间结果的绝对效应

英文标题:

GRADE guidelines 27: How to calculate absolute effects for time-to-event outcomes in Summary of Findings tables and Evidence Profiles

发布机构:

GRADE工作组

发布日期:

2021-11-09

简要介绍:

目标:为 GRADE 提供如何准备事件发生时间结果的“结果摘要”表和“证据概况”的指导,重点是计算相应的绝对效应估计值。

研究设计和设置:本指导的合理性来自一项研究项目,该项目确定了“结果摘要”表中事件发生时间结果的呈现中经常出现的错误和局限性。我们通过一个迭代过程制定了本指导,其中包括会员咨询、反馈、演示和 GRADE 工作组会议上的讨论。

结果:审查作者需要仔细考虑感兴趣结果的定义;尽管事件通常被用作感兴趣结果的标签(例如死亡或死亡率),但无事件生存期(例如总体生存期)在各个研究中都会报告。审查作者应正确计算绝对效应,无论是事件还是事件缺失。我们还提供了有关如何计算各种基线或对照组风险和时间点的事件和事件缺失的绝对效应的示例。

结论:本文有助于制定调查结果摘要表和证据概况,包括事件发生时间结果,并解决计算绝对效应时最常见的情况,以提供准确的解释。

相关资料下载:
[AttachmentFileName(sort=1, fileName=10.1016@j.jclinepi.2019.10.015.pdf)] GetToolGuiderByIdResponse(projectId=1, id=624c91c00a02655b, title=GRADE指南 27:如何计算研究结果表和证据概况摘要中事件发生时间结果的绝对效应, enTitle=GRADE guidelines 27: How to calculate absolute effects for time-to-event outcomes in Summary of Findings tables and Evidence Profiles, guiderFrom=GRADE工作组, authorId=0, author=, summary=目标:为 GRADE 提供如何准备事件发生时间结果的“结果摘要”表和“证据概况”的指导,重点是计算相应的绝对效应估计值。, cover=https://img.medsci.cn/20241105/1730770995026_8538692.png, journalId=0, articlesId=null, associationId=1426, associationName=GRADE工作组, associationIntro=GRADE Working Group, copyright=0, guiderPublishedTime=Tue Nov 09 00:00:00 CST 2021, originalUrl=, linkOutUrl=, content=<p>目标:为 GRADE 提供如何准备事件发生时间结果的&ldquo;结果摘要&rdquo;表和&ldquo;证据概况&rdquo;的指导,重点是计算相应的绝对效应估计值。</p> <p>研究设计和设置:本指导的合理性来自一项研究项目,该项目确定了&ldquo;结果摘要&rdquo;表中事件发生时间结果的呈现中经常出现的错误和局限性。我们通过一个迭代过程制定了本指导,其中包括会员咨询、反馈、演示和 GRADE 工作组会议上的讨论。</p> <p>结果:审查作者需要仔细考虑感兴趣结果的定义;尽管事件通常被用作感兴趣结果的标签(例如死亡或死亡率),但无事件生存期(例如总体生存期)在各个研究中都会报告。审查作者应正确计算绝对效应,无论是事件还是事件缺失。我们还提供了有关如何计算各种基线或对照组风险和时间点的事件和事件缺失的绝对效应的示例。</p> <p>结论:本文有助于制定调查结果摘要表和证据概况,包括事件发生时间结果,并解决计算绝对效应时最常见的情况,以提供准确的解释。</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=285, appHits=15, showAppHits=0, pcHits=14, showPcHits=268, likes=0, shares=5, comments=0, approvalStatus=1, publishedTime=Tue Nov 05 20:40:00 CST 2024, publishedTimeString=2021-11-09, pcVisible=1, appVisible=1, editorId=0, editor=侠胆医心, waterMark=0, formatted=0, memberCards=[], isPrivilege=0, deleted=0, version=4, createdBy=null, createdName=侠胆医心, createdTime=Mon Nov 04 10:48:49 CST 2024, updatedBy=8538692, updatedName=梅斯话题小助手, updatedTime=Tue Nov 05 13:11:40 CST 2024, courseDetails=[], otherVersionGuiders=[], isGuiderMember=false, ipAttribution=上海, attachmentFileNameList=[AttachmentFileName(sort=1, fileName=10.1016@j.jclinepi.2019.10.015.pdf)])
10.1016@j.jclinepi.2019.10.015.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

Baidu
map
Baidu
map
Baidu
map