條文本gydF4y2Ba
文摘gydF4y2Ba
介紹gydF4y2Ba在過去的四十年裏,超過700個隨機對照試驗(相關的)和80個薈萃分析研究了心理治療抑鬱症的療效。壓倒性的證據表明,所有類型的心理治療是有效的。然而,許多方麵仍然是未知的。Meta-analysts能夠完成數以百計的潛在薈萃分析與當前文學,所有已經發表的研究和全麵鳥瞰不見了。這個協議概述了一個多元宇宙薈萃分析如何評價文學的整個身體心理治療抑鬱症的一個分析。因此,空白的證據和健壯性突出顯示的區域。gydF4y2Ba
和分析方法gydF4y2Ba我們將進行係統的文獻書目的數據庫中搜索PubMed和Embase, PsycINFO和Cochrane寄存器的對照試驗)直到2021年1月1日。我們將包括所有相關的比較心理治療和控製條件。我們將包括研究發表在英語、德語、西班牙語或荷蘭語,在維護和複發預防和排除試驗以及論文。兩個獨立的研究人員將檢查所有記錄。自我報告和臨床醫師儀器測量抑鬱都包括在內。我們將提取招聘信息設置,目標群體,年齡,疾病,幹預格式,心理類型、會話的數量,控製條件和國家。兩個獨立的研究人員將評估偏差使用的Cochrane風險偏差的風險評估工具。作為多元宇宙的一部分,薈萃分析、減重、固定效應和隨機效應模型計算。gydF4y2Ba
道德和傳播gydF4y2Ba我們不會收集任何主要數據,倫理批準這個協議不是必需的。我們將把結果發布在同行評審期刊上發表在國際會議和現在的他們。我們將遵循開放的科學實踐,提供我們的代碼和數據。gydF4y2Ba
- 抑鬱和情緒障礙gydF4y2Ba
- 統計數據和研究方法gydF4y2Ba
- 精神病學gydF4y2Ba
這是一個開放的分布式條依照創作共用署名非商業性(4.0 CC通過數控)許可證,允許別人分發,混音,適應,建立這個工作非商業化,和許可他們的衍生產品在不同的協議,提供了最初的工作是正確地引用,給出合適的信用,任何更改表示,非商業使用。看到的:gydF4y2Bahttp://creativecommons.org/licenses/by-nc/4.0/gydF4y2Ba。gydF4y2Ba
來自Altmetric.com的統計gydF4y2Ba
本研究的優點和局限性gydF4y2Ba
我們將探討心理幹預對抑鬱的療效廣泛的子組(即年齡、治療格式,類型的治療,對照組)類型的多元宇宙meta-analysis-rather不必進行每一個薈萃分析在個人的研究中,這種方法可以調查他們在一個單一的分析。gydF4y2Ba
我們將調查數據分析的靈活性如何影響新興meta-analytical結果,在這一過程中,將能夠識別差距在文獻和突出區域的健壯和可靠的證據。gydF4y2Ba
因此,這項研究可以幫助解決衝突的薈萃分析,並提供一個鳥瞰的角度看待整個心理抑鬱的研究領域。gydF4y2Ba
發現強有力的證據,這些心理幹預對抑鬱的療效可以幫助指導決策配置有限的醫療資源和資金從冗餘的研究。gydF4y2Ba
多元宇宙薈萃分析不能結束爭論,薈萃分析應該運行或者是正確的,而是促進這些辯論通過創建一個空間的所有合理的薈萃分析和想象為什麼這些薈萃分析產生了不同的結果。gydF4y2Ba
介紹gydF4y2Ba
抑鬱症是最研究精神疾病在世界範圍內非常流行,昂貴的和相關的許多不良結果,如角色功能和生活質量以及降低發病率和死亡率增加。gydF4y2Ba1 - 4gydF4y2Ba截至2019年7月10日,81個薈萃分析研究各種心理治療抑鬱症的療效確定哪些群體的療法是有效的。gydF4y2Ba5gydF4y2Ba證據來自700多個包含隨機控製試驗表明所有常見的心理治療抑鬱症的療效,gydF4y2Ba6 7gydF4y2Ba認知行為療法,gydF4y2Ba8gydF4y2Ba行為激活療法,gydF4y2Ba9gydF4y2Ba人際關係心理治療,gydF4y2Ba10gydF4y2Ba解決問題的治療,gydF4y2Ba11gydF4y2Ba精神動力療法,gydF4y2Ba12日13gydF4y2Ba後心理療法gydF4y2Ba14gydF4y2Ba、沒有導向性的谘詢,gydF4y2Ba15gydF4y2Ba這些治療方法之間沒有顯著差異的功效。gydF4y2Ba2gydF4y2Ba這些治療方法也有效的大多數目標群體(老年人、大學生一般醫學疾病)患者,但往往是在一些不那麼有效共病物質使用障礙或慢性抑鬱症患者。此外,這些療法是有效的交付在個人、組織和指導自助格式。gydF4y2Ba
由於指數增長的研究成人抑鬱症,心理治療是很重要的總結,集成和想象的知識從這些薈萃分析和主要研究不同療法,目標群體,治療格式和控製條件。雖然這些薈萃分析存在,鳥瞰的字段是失蹤。出於這個原因,我們將應用多元宇宙薈萃分析的方法,允許調查所有合理的薈萃分析,可以進行基於可用的主要研究。這樣一個多元宇宙薈萃分析提供了三個重要的好處超過其他研究合成方法:gydF4y2Ba
首先,盡管傳統的薈萃分析也提供了發表文獻的概述一個給定的研究問題,他們不考慮采取了不同的路徑可以選擇數據或數據可以分析。確保一個薈萃分析的結論不是不成比例地影響數據分析決策,多重宇宙薈萃分析可以提供整個畫麵和支撐的健壯性結果或缺乏依法進行所有可能的合理的薈萃分析。gydF4y2Ba
第二,它允許我們(1)提供一個研究集成類似於雨傘評論和(2)調查的影響發表的數據分析對薈萃分析的靈活性。gydF4y2Ba
傘評論重要的是,相比之下,那會和視覺合成多個出版的薈萃分析,多元宇宙的分析還包括尚未進行薈萃分析。進行這些可能包括,合理的薈萃分析在多元宇宙薈萃分析提供了一個完整的畫麵,更少依賴於研究選擇的靈活性和可用的主要研究。例如,最近的傘審查評估的有效性的證據在抑鬱,身體活動gydF4y2Ba16日17gydF4y2Ba心理幹預對精神健康障礙患者的療效,beplay体育相关新闻gydF4y2Ba18gydF4y2Ba心理治療的有效性gydF4y2Ba19gydF4y2Ba和生物標記物與精神疾病有關。beplay体育相关新闻gydF4y2Ba20.gydF4y2Ba多元宇宙薈萃分析也可以提供這樣的集成多個薈萃分析但含有更多的信息不同證據通過提供一個魯棒性檢查的所有潛在的薈萃分析。gydF4y2Ba
第三,有時,與重疊多個薈萃分析研究問題的差異得出不同結論納入和排除標準,數據分析決策,偏見的發表偏倚評估和風險評估的差異。gydF4y2Ba21日22gydF4y2Ba因此關鍵評估這樣的選擇可能會影響最終結果的薈萃分析。是方法,診斷標準或其他限製排除標準果斷,還是同樣的結果達到了通過多種分析策略?多重宇宙薈萃分析可以提供所需的清晰回答這些問題通過擴展敏感性分析的概念。所有的薈萃分析,可以認為是合理的基於包含的因素可以在一個單一的計算分析和結果同時得以成像。gydF4y2Ba
提供這樣一個鳥瞰的角度對抑鬱症的整體研究,我們將進行多元宇宙薈萃分析使用MetaPsy數據庫。gydF4y2Ba7日23gydF4y2BaMetaPsy數據庫是唯一適合幫助回答這些問題列出,因為它包含所有隨機控製試驗評估抑鬱症的治療效果。因此,研究計劃將允許考試所有發表的隨機控製試驗的健壯性心理治療抑鬱症的療效調查所有可能和合理的薈萃分析在一個單一的研究——多元宇宙的心理治療抑鬱症。這將提供一個詳盡的概述來指導未來的研究隨著知識缺口識別,和決策者可以使用此概述通知以證據為基礎的決策。檢查這個多元宇宙的心理抑鬱的研究可以幫助解決衝突的薈萃分析和有爭議的證據,減少這些現象的相關不良反應的研究進展,並提供一個鳥瞰的角度的整個領域。gydF4y2Ba24gydF4y2Ba
目的和目標gydF4y2Ba
我們的目標是估計的影響,不同類型的心理治療,控製條件,和參與者團體對效應值估計在所有隨機研究(見發表gydF4y2Ba表1gydF4y2BaPICO框架的決定因素)。gydF4y2Ba
和分析方法gydF4y2Ba
多元宇宙薈萃分析gydF4y2Ba
上的多元宇宙薈萃分析包含所有合理的薈萃分析研究問題,可以進行理性意味著他們有一個理論基礎。一般來說,多元宇宙包含所有合理的組合規範。例如,不同的研究小組將考慮它是合理的調查與不同年齡段的心理治療抑鬱症,不同類型的治療或控製條件。也有可能調查心理治療抑鬱症的療效不變量理論的指導下,例如不同的名字,最喜歡的法國電影,或者頭發長度,但大多數專家不會考慮這些規範是有效的和合理的。gydF4y2Ba
圖1gydF4y2Ba說明了這個差異可能為多元宇宙薈萃分析和合理的規範。大,可能是無限的,多元宇宙的薈萃分析可以進行一個研究問題(黑圈)。不同的研究團隊認為隻有一個子集的有效(藍圈)根據他們的納入和排除標準。這些問題可以用不同的適當方法,調查導致的一組規範,被認為是合理的(紅圈)。發散的薈萃分析(黑點)可以出現,因為不同的研究小組畫不同的圈子。因此,多元宇宙薈萃分析不能結束爭論什麼是規範合理或薈萃分析應該運行,而是促進這些辯論通過創建一個空間的所有合理的薈萃分析和想象為什麼這些薈萃分析產生了不同的結果。gydF4y2Ba24gydF4y2Ba即使兩隊有重疊設置合理的規範,多元宇宙薈萃分析可以幫助他們理解為什麼他們可能得出不同的結論:這些紅圈的差異會帶來不同的結論(不同的規範被認為是合理的),或由於不同的黑點(選擇性報道薈萃分析的差異)。gydF4y2Ba
進行這樣一個多元宇宙薈萃分析,VoracekgydF4y2Ba等gydF4y2Ba24gydF4y2Ba建議混合兩種方法最初開發的分析主要研究多元宇宙規範曲線和分析方法。gydF4y2Ba
標準曲線分析包括四個步驟:(1)確定一切合理的規範分析,也就是說,決定哪些數據分析和如何gydF4y2Ba圖1gydF4y2Ba),(2)統計分析,(3)新興的可視化結果,(4)推論統計程序來測試如果整體結果偏離零假設。gydF4y2Ba25gydF4y2BaSteegengydF4y2Ba等gydF4y2Ba26gydF4y2Ba提出了一個類似的過程稱為“多元宇宙分析”。多元宇宙分析和標準曲線分析都是幾乎相同的在第一和第二步驟中,但他們偏離擬議的第三步,圖形顯示和多元宇宙分析避免了推論統計的第四步。gydF4y2Ba
基於這些考慮,我們生成的多元宇宙薈萃分析將包括三個步驟:(1)創建一個列表的所有合理的規範,(2)進行推論統計測試(參數引導過程)和(3)想象多元宇宙薈萃分析(描述性和推論統計標準曲線的情節)。gydF4y2Ba
步驟1:創建一個列表的所有合理的規範gydF4y2Ba
我們將考慮七個因素(meta-analyse數據)和一個多因素(如何meta-analyse數據),如下所示。gydF4y2Ba
分析哪些因素:哪些數據?gydF4y2Ba
比較組的決策分析是多方麵的;我們決定指定以下七個相關研究的特點:gydF4y2Ba
目標群體gydF4y2Ba。研究人員可以決定隻比較特定的人群。包括的類別:(1)成年人(成年人一般沒有特定的人口特征),(2)一般醫療集團,(3)圍產期抑鬱,(4)學生人群,老年人(5)、(6)其他組或所有目標群體(7)。gydF4y2Ba
格式gydF4y2Ba。研究人員可能比較不同類型的治療幹預措施的交付:(1)組,(2)個人,(3)引導自助,(4)夫婦,(5)電話、(6)其他格式或(7)的格式。gydF4y2Ba
診斷gydF4y2Ba。我們比較幹預他們的包容的參與者基於不同類型的診斷。這些規範包括以下診斷:(1)抑鬱症根據標準的精神疾病診斷和統計手冊(DSM),第五版,DSM - iv, DSM-III - R, DSM-III,研究抑鬱症診斷標準(RDC),或Feighner抑鬱症的標準。我們還將包括診斷(2)情緒障礙或其他診斷的疾病(例如,心境惡劣;抑鬱症不是另有規定;根據RDC)輕微抑鬱。(3)慢性抑鬱。,participants meet criteria for chronic or treatment-resistant depression, according to any definition given by the authors of the study. We also include diagnoses defined as (4) scoring above a clinically relevant cut-off score or (5) diagnosed subclinical depression, that is, participants score above a cut-off on a self-rating scale, but do not meet criteria for a depressive disorder according to a diagnostic interview (such as the Composite International Diagnostic Interview or Structured Clinical Interview for DSM).
類型gydF4y2Ba。人員可能比較不同類型的治療幹預措施:(1)認知行為療法,(2)解決問題的治療,(3)認知療法後,(4)行為激活療法,(5)沒有導向性的支持性治療,心理分析(6),(7)人際關係療法,(8)生活檢查治療,(9)其他類型的治療或(10)所有類型的療法。gydF4y2Ba
控製條件gydF4y2Ba。研究人員可能比較不同類型的幹預控製條件。這些規範包括:(1)護理和往常一樣,等待移植名單(2),(3)其他類型的控製條件或(4)所有類型的控製條件。gydF4y2Ba
國家gydF4y2Ba。研究人員可能在不同地區比較研究:(1)歐盟,(2)美國,(3)英國、加拿大(4),(5)東亞,澳大利亞(6),(7)其他國家或(8)所有國家。gydF4y2Ba
偏見的風險gydF4y2Ba。研究人員可能會比較研究和不同程度的偏差的風險評估偏差的風險評估工具。gydF4y2Ba27gydF4y2Ba評估的基礎上分配隱藏,眩目的陪審員,意向處理分析和序列一代,我們將創建一個二分變量表示這項研究是否分級(1)低風險的偏見(如果各個方麵被評為低風險)或(2)一些問題(如果任何或所有方麵都被認為是高風險)。我們還將包括一個規範包括(3)所有的研究,無論偏差評估。gydF4y2Ba
因素:如何分析數據?gydF4y2Ba
我們如何因素分析問題的選擇整合model-random效應模型(REM),固定效應模型,或未加權的模型(UWM)三級模型。我們將計算標準化意味著差異(樹籬gydF4y2BaggydF4y2Ba基於後處理的結果。我們考慮兩個REM變體,不同的方式之間的方差估計:(1)DerSimonian-Laird估計量,這是默認的估計量在大眾全麵分析軟件gydF4y2Ba28gydF4y2Ba和限製極大似然估計量(REML),這是默認的流行metafor R包。gydF4y2Ba29日gydF4y2Ba多層次模型(3-LVL)特別良好的裝備占效果依賴每個研究報告,當多個效應的大小,因此也包括在我們的多元宇宙的薈萃分析。此外,我們遵循Voracek的建議gydF4y2Ba等gydF4y2Ba24gydF4y2Ba計算一個無關緊要的整合模型(UWM)。雖然這是不尋常的薈萃分析,我們認為這種方法是必要的,因為相似的“認知代數”在敘事很常見,非係統性回顧,經驗證據不是加權根據其信息價值(樣本)。包括一個效應大小估計占潛在的發表偏倚存在,我們包括gydF4y2BapgydF4y2Ba統一的估計。gydF4y2Ba30.gydF4y2Ba在一起,多因素五種不同的方法來彌補meta-analyse相同的數據。從理論上講,這些因素如何組合可以產生6×8×7×6×10×4×8×6×3×5 = 58 060 800 meta-analyse不同的數據子集的方法。gydF4y2Ba
步驟2:標準曲線分析gydF4y2Ba
我們進行推論統計測試參數引導的方法來評估描述性的整合規範曲線暗算的零假設沒有心理治療對抑鬱的影響。我們把每個樣本的所有特性研究文獻作為固定但模擬隨機值作為新的尺度效應假設零假設是正確的。意思是隨機從正態分布集中在零附近,和SD將觀察SD。然後,描述性規範曲線分析應用和重複1000次。gydF4y2Ba24gydF4y2Ba結果1000引導規範曲線是用來確定上下分位數限製了2.5%和97.5%。超過這些限製將表明偏離under-the-null場景沒有影響(gydF4y2BaggydF4y2Ba= 0)。我們之前沒有任何假設的方向,偏離的大小或意義under-the-null場景產生影響。gydF4y2Ba
步驟3:標準曲線分析的可視化效果gydF4y2Ba
第一個可視化描述描述性的整合規範情節顯示規範曲線薈萃分析(與模擬數據為例,看看gydF4y2Ba圖2gydF4y2Ba)。特別是,這些情節想象因子水平的組合如何,哪些因素構成一個給定的規範,包括樣品的數量在一個規範,以及由此產生的整合總結效果(gydF4y2BaggydF4y2Ba獨聯體)為每個規範,還有95%。gydF4y2Ba
前麵板gydF4y2Ba圖2gydF4y2Ba顯示了整合總結效果(gydF4y2BaggydF4y2Ba為每個規範獨聯體為95%)。摘要影響按大小排序。連接不同的彙總結果實線的影響,這是標準曲線。水平虛線顯示無效gydF4y2BaggydF4y2Ba= 0。在底部麵板垂直列代表因子組合的因素(在這個例子中,不同年齡段和不同類型的引導或不能控製的治療),哪些因素(不同的適當方法:固定效應模型,REM, REML估計量,三級薈萃分析),構成一個給定的規範。每個垂直列是顏色編碼,這說明樣品的數量包括在規範(包括熱光譜顏色對於小數量的樣品和很酷的光譜顏色代碼包括對於更大數量的樣本)。gydF4y2Ba
第二將顯示可視化推理整合規範情節的標準曲線顯示magnitude-sorted整合彙總所有規格的影響。包括將相應的點態97.5%和2.5%分位數1000規範的曲線,模擬在虛假設條件下對於一個給定的規範使用參數引導過程。超過這些限製將提供證據對零假設(gydF4y2BaggydF4y2Ba= 0)。gydF4y2Ba
在第三可視化Voracek我們遵循的建議gydF4y2Ba等gydF4y2Ba24gydF4y2Ba此外應用組合分析,計算出所有可能的子集研究感興趣的統計meta-analysis-for 2gydF4y2Bak - 1gydF4y2Ba當有k研究子集。雖然組合分析是一個詳盡的方法來識別有影響力的一個薈萃分析的研究,它變得越來越多的卻是不可行的主要研究。在前一年的數據集的情況下,這將至少2gydF4y2Ba363年gydF4y2Ba= 1.88×gydF4y2BaegydF4y2Ba109年gydF4y2Bameta-analyses-exceeding計算這樣一個項目的可行性。出於這個原因,VoracekgydF4y2Ba等gydF4y2Ba24gydF4y2Ba建議隻畫一個小,由於隨機子集可行性和數據可視化方麵的考慮。我們將想象與圖形顯示減少的這組研究異質性的情節,gydF4y2Ba31日gydF4y2Ba這是特別適合想象cross-study效應異質性的每個子集組合整合多元宇宙。組合分析是一個蠻力方法,自動測試所有可能的研究在一個子集分析,它默認將包括許多規範,不會被認為是合理的。多元宇宙在這方麵,可以視為一個薈萃分析的理論和概念上引導變體組合分析。另一個重要的區別是組合分析分析研究子集和相同的整合技術。gydF4y2Ba24gydF4y2Ba相比之下,多元宇宙整合方法允許幾個方法(如固定效果,隨機效應和多級建模)。我們將選擇一個隨機抽取的100名000子集組合分析和使用分層抽樣方法基於子集的大小。因此,我們可以確保子集的代表性的全套組合。gydF4y2Ba
數據源gydF4y2Ba
我們將會更新現有的數據庫包含所有隨機對照試驗(相關的)心理治療抑鬱症的療效在書目資料庫係統的文獻搜索(PubMed、Embase PsycINFO和Cochrane寄存器對照試驗;看到gydF4y2Ba在線補充文件1gydF4y2Ba)首選項報告係統回顧和薈萃分析(棱鏡)協議清單gydF4y2Ba32gydF4y2Ba和gydF4y2Ba在線補充文件2gydF4y2Ba),搜索字符串)。數據庫的更新將包括研究發表在2020年1月1日和2021年1月1日之間。gydF4y2Ba
補充材料gydF4y2Ba
補充材料gydF4y2Ba
數據提取gydF4y2Ba
標題和摘要篩選之後,兩個獨立的人員(PC和EK)將進行全文篩選所有的記錄。所有符合條件的研究將被保存在一個尾注庫和出口到R進行進一步分析。一個棱鏡流程圖將詳細介紹整個文獻檢索過程。我們將獨立提取招聘信息設置、目標群體、發病率、幹預格式,心理類型,會話的數量,控製條件和國家(見gydF4y2Ba在線補充材料3gydF4y2Ba我們的數據提取表單)。不一致將再次提取不同的研究員。gydF4y2Ba
補充材料gydF4y2Ba
偏見的風險評估gydF4y2Ba
兩個獨立的研究人員將評估偏差使用的Cochrane風險偏差的風險評估工具。gydF4y2Ba27gydF4y2Ba
入選標準gydF4y2Ba
我們將包括所有相關的比較心理治療和控製條件。我們將包括研究發表在英語、德語、西班牙語或荷蘭語,在維護和複發預防和排除試驗以及論文。兩個獨立的研究人員(PC和EK)將檢查所有記錄。資格都是自我報告和臨床醫師儀器測量抑鬱。療法可以由任何人訓練提供治療從心理學家、精神科醫生,護士,社會工作者奠定健康顧問和合夥人(ie,員工培訓提供心理治療)。gydF4y2Ba
排除標準gydF4y2Ba
研究被排除在外,如果(1)研究沒有明確狀態是隨機的;(2)抑鬱不是一個包容準則;(3)研究了病人在治療打算防止複發或維持的結果;(4)研究了兒童和青少年;(5)研究論文;(6)心理治療不能分辨的具體影響;(7)心理治療抑鬱症並非旨在(如抑鬱分數評估失眠治療);(8)數據據報道計算尺度效應不足(即使一個薈萃分析報道某一個隨機對照試驗的效果,我們將不包括效果如果個隨機對照試驗並沒有提供足夠的信息來計算標準化平均差),如果用另一種語言(9)研究報告比德語、荷蘭語、英語和西班牙語。gydF4y2Ba
病人和公眾參與gydF4y2Ba
患者或公眾沒有參與設計或開發的手稿。gydF4y2Ba
道德和傳播gydF4y2Ba
因為我們不會收集任何主要數據,這項研究不需要額外的正式的道德評估和知情同意。我們將在相關會議和本研究的結果發表在同行評議的雜誌上發表的結果。所有統計操作(因素)和研究入選標準(因素)詳細解決本協議和將在最後的分析中。所有組件所需的數據分析(公開數據,公開資料,打開代碼)將可訪問,並將遵守可發現的訪問,為科學數據的互操作性和可重用的指導原則。gydF4y2Ba33gydF4y2Ba
倫理語句gydF4y2Ba
病人同意出版gydF4y2Ba
引用gydF4y2Ba
- ↵gydF4y2Ba
- ↵gydF4y2Ba
- ↵gydF4y2Ba
- ↵gydF4y2Ba
- ↵gydF4y2Ba
- ↵gydF4y2Ba
- ↵gydF4y2Ba
- ↵gydF4y2Ba
- ↵gydF4y2Ba
- ↵gydF4y2Ba
- ↵gydF4y2Ba
- ↵gydF4y2Ba
- ↵gydF4y2Ba
- ↵gydF4y2Ba
- ↵gydF4y2Ba
- ↵gydF4y2Ba
- ↵gydF4y2Ba
- ↵gydF4y2Ba
- ↵gydF4y2Ba
- ↵gydF4y2Ba
- ↵gydF4y2Ba
- ↵gydF4y2Ba
- ↵gydF4y2Ba
- ↵gydF4y2Ba
- ↵gydF4y2Ba
- ↵gydF4y2Ba
- ↵gydF4y2Ba
- ↵gydF4y2Ba
- ↵gydF4y2Ba
- ↵gydF4y2Ba
- ↵gydF4y2Ba
- ↵gydF4y2Ba
- ↵gydF4y2Ba
補充材料gydF4y2Ba
-
補充數據gydF4y2Ba
僅這個web文件已經由英國醫學雜誌出版集團從一個電子文件提供的作者(年代)和沒有對內容進行編輯。gydF4y2Ba
腳注gydF4y2Ba
推特gydF4y2Ba@CYPlessen, @KaryotakiEirinigydF4y2Ba
貢獻者gydF4y2BaCYP構想的提出想法。PC和埃克準備數據管理。CYP寫了初稿,由PC和艾克審查和編輯。PC和艾克監督這項工作的結果。所有作者討論了結果,導致最後的手稿。gydF4y2Ba
資金gydF4y2Ba作者並沒有宣布具體資助這項研究從任何公共資助機構,商業或非營利部門。gydF4y2Ba
相互競爭的利益gydF4y2Ba沒有宣布。gydF4y2Ba
出處和同行評議gydF4y2Ba不是委托;外部同行評議。gydF4y2Ba
補充材料gydF4y2Ba此內容已由作者(年代)。尚未審查由BMJ出版集團有限公司(BMJ)和可能沒有被同行評議。任何意見或建議討論僅代表作者(年代)和不了BMJ的支持。和責任起源於BMJ概不負責任何依賴的內容。內容包括任何翻譯材料,BMJ並不保證翻譯的準確性和可靠性(包括但不限於當地法規、臨床指南,術語,藥物名稱和藥物劑量),和不負責任何錯誤或遺漏引起的翻譯和改編或否則。gydF4y2Ba