原始文章

CONSORT(隨機試驗報告的綜合標準)聲明是一項提升隨機試驗報告質量的重要指導方針。自1996年發布以來,經過2001年和2010年的更新,最新版本CONSORT 2025納入了最新的方法學進展及使用者反饋。這次更新包含30個基本項目,新增7項、修訂3項並刪除1項,還整合了關鍵擴展元素及開放科學部分。為了協助實施,提供了詳細的擴展檢查清單,旨在增強報告的清晰度與透明度,供作者、編輯及審稿人使用。 PubMed DOI


站上相關主題文章列表

在健康研究中,報告標準至關重要,能提升準確性與透明度。隨著赫爾辛基宣言、CONSORT、STROBE 和 PRISMA 等倡議的推動,研究溝通變得更全面。人工智慧(AI)如 ChatGPT 的出現,改變了學術寫作,提升了文章質量,但也帶來了錯誤與透明度的擔憂。為解決這些問題,像 CONSORT-AI 和 SPIRIT-AI 等新指導方針應運而生,強調在研究中負責任地使用 AI 技術,並需跨學科合作與倫理評估,以確保科學出版的開放性與可重複性。 PubMed DOI

TRIPOD-LLM 指導方針旨在標準化大型語言模型(LLMs)在醫療領域的報告,針對特有挑戰進行處理。這份擴展的 TRIPOD+AI 聲明包含19個主要項目和50個子項目的檢查清單,涵蓋從標題到討論的各個重要面向。指導方針模組化,適用於不同 LLM 研究設計,並強調透明度和人類監督。用戶可透過互動網站生成 PDF 文件,提升醫療 LLM 研究的質量和可重複性。作者的利益衝突已被披露,大多數作者無相關利益衝突。 PubMed DOI

這項研究旨在提升隨機對照試驗(RCT)出版物的報告品質,透過開發文本分類模型來檢視對CONSORT檢查表的遵循情況。研究使用了標註37個CONSORT項目的語料庫,訓練了多種模型,包括微調的PubMedBERT和BioGPT。主要發現顯示,微調的PubMedBERT模型在句子層級的微F1分數達0.71,文章層級為0.90。數據增強的影響有限,且針對方法的模型表現較佳。整體而言,這些模型能有效支持期刊編輯,改善RCT出版物的遵循情況。 PubMed DOI

這項研究評估了三本主要整形外科期刊中隨機對照試驗(RCT)摘要對CONSORT指導方針的遵循情況。研究人員利用GPT-4 AI技術分析了2010至2023年間的371篇RCT摘要,結果顯示平均遵循分數為10.05,顯示出多處需改進。主要問題包括試驗設計、參與者詳情、介入描述等方面的合規性不足。此外,試驗註冊和資金資訊也常缺失。研究強調AI在提升遵循評估的潛力,並呼籲研究者更應遵循CONSORT指導方針,以提升整形外科RCT報告的質量與透明度。 PubMed DOI

隨著越來越多的試驗評估已批准的治療和替代護理策略,針對這些研究的倫理監督變得必要。美國的人類研究規範強調研究風險高於標準臨床護理,因此需要更嚴格的保護。現有的監督系統雖有效,但過於標準化,未考慮比較效果研究的特性。應考慮風險程度及病人選擇的限制,並根據這些因素將臨床試驗分類為高風險或低風險。此外,建議探索簡化的同意流程,以促進病人的有意義選擇。總之,倫理監督應與風險和病人決策影響成比例。 PubMed DOI

大型語言模型(LLMs)在醫療保健的應用越來越普遍,這讓標準化報告指導方針變得更重要。TRIPOD-LLM框架是TRIPOD加上人工智慧聲明的延伸,專門針對LLMs在生物醫學中的挑戰,提供19個主要項目和50個子項目的檢查清單,涵蓋報告的各個部分。 這個框架採用模組化設計,適用於不同研究和任務,並透過專家共識制定,強調透明度和人類監督。此外,還有一個互動網站幫助使用者生成報告PDF。TRIPOD-LLM會隨著領域進展而調整,目的是提升LLM在醫療研究中的質量和臨床相關性。 PubMed DOI

這項研究評估了醫療領域大型語言模型(LLMs)在遵循MI-CLEAR-LLM檢查表的表現,旨在提升報告的透明度與可重複性。透過系統性搜尋PubMed,找到159篇2022年11月到2024年6月間發表的相關文章。 主要發現包括: - 100%報告LLM名稱,96.9%報告版本,91.8%報告製造商。 - 54.1%報告訓練數據截止日期,6.3%記錄網路資訊訪問。 - 15.1%清楚記錄隨機性管理。 - 49.1%提供提示措辭,34.0%討論提示結構。 - 13.2%報告測試數據獨立性,56.6%提供網路數據網址。 總體而言,雖然基本識別報告良好,但隨機性、提示細節及測試數據獨立性等關鍵方面仍需加強。改善遵循檢查表可提升未來研究的透明度與可靠性。 PubMed DOI

這項研究評估了OpenAI的GPT-4和Meta的Llama 2兩個大型語言模型在運動醫學臨床試驗報告遵循指導方針的有效性。分析了113篇論文,並針對遵循情況向模型提問。結果顯示,GPT-4 Turbo的F1分數達0.89,準確率90%;Llama 2經微調後,F1分數提升至0.84,準確率83%。此外,GPT-4 Vision能準確識別參與者流動圖,但在細節檢測上有困難。整體而言,這兩個模型在評估報告遵循方面顯示出潛力,未來開發高效的開源AI-LLM可能會進一步提升準確性。 PubMed DOI

CONSORT 2025聲明是針對隨機試驗報告的最新指引,更新了30項檢查清單,加入開放科學專區和更詳細說明,目的是提升報告的清楚度和透明度。建議撰寫或審查隨機試驗論文時都要參考這份指引。 PubMed DOI

SPIRIT 2025聲明是最新的隨機試驗計畫書撰寫指引,更新自2013年版。這次新增了開放科學、不良反應、介入細節及病人/公眾參與等34項檢查重點,強調計畫書的完整性與透明度。目標是協助研究人員、審查單位等提升臨床試驗規劃與報告的品質。 PubMed DOI