Rédacteur de rapport CONSORT
Rédige un rapport conforme à CONSORT
Description
À partir des données de votre essai contrôlé randomisé (ECR) — méthode de randomisation, statut de l’insu, calcul de puissance, chiffres du diagramme de flux CONSORT (évalués/inclus dans la randomisation/alloués/analysés), approche d’analyse en ITT/PP — il produit une première version complète de l’abstract, des méthodes et des résultats, conforme aux 25 éléments de CONSORT 2010. Il ne confond jamais les analyses ITT et PP et vérifie la cohérence des chiffres du diagramme de flux (randomisés ≥ alloués ≥ suivis ≥ analysés). Il identifie également à l’avance au moins 4 objections fréquemment soulevées par les évaluateurs des revues (par exemple : « pourquoi aucune analyse en ITT n’a-t-elle été présentée ? », « le succès de l’insu a-t-il été évalué ? », « y a-t-il eu un changement de critère de jugement ? ») et suggère une phrase de réponse pour chacune. Conçu pour les chercheurs en médecine, en soins infirmiers et en pharmacie qui réalisent des ECR et souhaitent renforcer la robustesse méthodologique de leur étude avant sa soumission à une revue. Ce qu’il ne fait pas : il n’effectue pas d’analyse statistique et ne génère pas de données — il transforme uniquement les résultats dont vous disposez déjà en un rapport conforme aux normes CONSORT.
Compétences associées
Tout voir
Rédacteur de méta-analyse
Produit un texte complet Méthodes + Résultats + Limites conforme à PRISMA 2020 et au Manuel Cochrane à partir de vos statistiques de méta-analyse (taille d’effet combinée, I², Q, tau², indicateurs de biais de publication). N’interprète jamais mal la valeur d’I², notamment lorsqu’elle est présentée comme un « pourcentage de variance », et évite les formulations causales excessives en privilégiant des formulations prudentes comme « les résultats sont compatibles avec… » plutôt que « les données démontrent que ». À la fin, il propose également au moins 3 questions qu’un évaluateur pourrait poser, accompagnées de phrases pour y répondre. Convient aux chercheurs qui rédigent un article de méta-analyse et souhaitent renforcer la section Méthodes avant de le soumettre à une revue. Ce qu’il ne fait pas : il n’effectue pas de calculs statistiques à partir de données brutes (vous devez déjà disposer de vos résultats R/RevMan/CMA) ; il convertit et interprète uniquement vos résultats sous forme de texte académique.
Rédacteur CONSORT 2010 RCT
À partir de vos données d’essai contrôlé randomisé (RCT) — méthode de randomisation, statut de l’insu, analyse de puissance, nombres du diagramme CONSORT (screened/randomized/allocated/analyzed), approche d’analyse ITT/PP — il produit un projet complet comprenant un Résumé, la Méthode et les Résultats, conforme aux 25 éléments de CONSORT 2010. Il ne confond jamais les approches ITT et PP et vérifie la cohérence des nombres du diagramme de flux (randomized ≥ allocated ≥ followed-up ≥ analyzed). Il identifie également à l’avance au moins 4 objections fréquemment soulevées par les évaluateurs des revues (« pourquoi l’analyse ITT n’a-t-elle pas été présentée ? », « le succès de l’insu a-t-il été évalué ? », « y a-t-il eu un changement de critère de jugement ? », etc.) et propose une phrase de réponse pour chacune. Il est conçu pour les chercheurs cliniciens et les universitaires menant des RCT en médecine, en soins infirmiers ou en pharmacie, qui souhaitent garantir la solidité méthodologique de leur étude avant sa soumission à une revue.
Entropy-TOPSIS-ML + Objection
Produit un rapport complet Méthodes + Résultats à partir des résultats de votre pondération par entropie, de votre classement TOPSIS et de votre classifieur ML (XGBoost, Random Forest, régression logistique, etc.). Interprète correctement l’AUC selon les critères de Hosmer & Lemeshow et, si l’écart de performance entre l’entraînement et le test est important, indique explicitement le risque de surapprentissage. Repère également à l’avance au moins 4 objections fréquemment soulevées par les évaluateurs de revues (par exemple : « comment le déséquilibre des classes a-t-il été traité ? » ou « aucun jeu de validation externe n’a été utilisé ») et propose une phrase de réponse pour chacune. Convient aux chercheurs en informatique de santé, en prédiction des risques cliniques ou en méthodologie hybride MCDM-ML qui souhaitent renforcer la robustesse méthodologique avant une soumission à une revue.
Rédacteur de rapport CONSORT
Rédige un rapport conforme à CONSORT
Description
À partir des données de votre essai contrôlé randomisé (ECR) — méthode de randomisation, statut de l’insu, calcul de puissance, chiffres du diagramme de flux CONSORT (évalués/inclus dans la randomisation/alloués/analysés), approche d’analyse en ITT/PP — il produit une première version complète de l’abstract, des méthodes et des résultats, conforme aux 25 éléments de CONSORT 2010. Il ne confond jamais les analyses ITT et PP et vérifie la cohérence des chiffres du diagramme de flux (randomisés ≥ alloués ≥ suivis ≥ analysés). Il identifie également à l’avance au moins 4 objections fréquemment soulevées par les évaluateurs des revues (par exemple : « pourquoi aucune analyse en ITT n’a-t-elle été présentée ? », « le succès de l’insu a-t-il été évalué ? », « y a-t-il eu un changement de critère de jugement ? ») et suggère une phrase de réponse pour chacune. Conçu pour les chercheurs en médecine, en soins infirmiers et en pharmacie qui réalisent des ECR et souhaitent renforcer la robustesse méthodologique de leur étude avant sa soumission à une revue. Ce qu’il ne fait pas : il n’effectue pas d’analyse statistique et ne génère pas de données — il transforme uniquement les résultats dont vous disposez déjà en un rapport conforme aux normes CONSORT.
Compétences associées
Tout voirRédacteur de méta-analyse
Produit un texte complet Méthodes + Résultats + Limites conforme à PRISMA 2020 et au Manuel Cochrane à partir de vos statistiques de méta-analyse (taille d’effet combinée, I², Q, tau², indicateurs de biais de publication). N’interprète jamais mal la valeur d’I², notamment lorsqu’elle est présentée comme un « pourcentage de variance », et évite les formulations causales excessives en privilégiant des formulations prudentes comme « les résultats sont compatibles avec… » plutôt que « les données démontrent que ». À la fin, il propose également au moins 3 questions qu’un évaluateur pourrait poser, accompagnées de phrases pour y répondre. Convient aux chercheurs qui rédigent un article de méta-analyse et souhaitent renforcer la section Méthodes avant de le soumettre à une revue. Ce qu’il ne fait pas : il n’effectue pas de calculs statistiques à partir de données brutes (vous devez déjà disposer de vos résultats R/RevMan/CMA) ; il convertit et interprète uniquement vos résultats sous forme de texte académique.
Rédacteur CONSORT 2010 RCT
À partir de vos données d’essai contrôlé randomisé (RCT) — méthode de randomisation, statut de l’insu, analyse de puissance, nombres du diagramme CONSORT (screened/randomized/allocated/analyzed), approche d’analyse ITT/PP — il produit un projet complet comprenant un Résumé, la Méthode et les Résultats, conforme aux 25 éléments de CONSORT 2010. Il ne confond jamais les approches ITT et PP et vérifie la cohérence des nombres du diagramme de flux (randomized ≥ allocated ≥ followed-up ≥ analyzed). Il identifie également à l’avance au moins 4 objections fréquemment soulevées par les évaluateurs des revues (« pourquoi l’analyse ITT n’a-t-elle pas été présentée ? », « le succès de l’insu a-t-il été évalué ? », « y a-t-il eu un changement de critère de jugement ? », etc.) et propose une phrase de réponse pour chacune. Il est conçu pour les chercheurs cliniciens et les universitaires menant des RCT en médecine, en soins infirmiers ou en pharmacie, qui souhaitent garantir la solidité méthodologique de leur étude avant sa soumission à une revue.
Entropy-TOPSIS-ML + Objection
Produit un rapport complet Méthodes + Résultats à partir des résultats de votre pondération par entropie, de votre classement TOPSIS et de votre classifieur ML (XGBoost, Random Forest, régression logistique, etc.). Interprète correctement l’AUC selon les critères de Hosmer & Lemeshow et, si l’écart de performance entre l’entraînement et le test est important, indique explicitement le risque de surapprentissage. Repère également à l’avance au moins 4 objections fréquemment soulevées par les évaluateurs de revues (par exemple : « comment le déséquilibre des classes a-t-il été traité ? » ou « aucun jeu de validation externe n’a été utilisé ») et propose une phrase de réponse pour chacune. Convient aux chercheurs en informatique de santé, en prédiction des risques cliniques ou en méthodologie hybride MCDM-ML qui souhaitent renforcer la robustesse méthodologique avant une soumission à une revue.
Trouve ta prochaine compétence préférée
Explore d'autres compétences IA sélectionnées pour la recherche, la création et le travail quotidien.