Grading quality of evidence and strength of recommendations in clinical practice guidelines
Notice bibliographique
Résumé
The GRADE (Grades of Recommendation, Assessment, Development, and Evaluation) approach provides guidance to grading the quality of underlying evidence and the strength of recommendations in health care. The GRADE system's conceptual underpinnings allow for a detailed stepwise process that defines what role the quality of the available evidence plays in the development of health care recommendations. The merit of GRADE is not that it eliminates judgments or disagreements about evidence and recommendations, but rather that it makes them transparent. This first article in a three-part series describes the GRADE framework in relation to grading the quality of evidence about interventions based on examples from the field of allergy and asthma. In the GRADE system, the quality of evidence reflects the extent to which a guideline panel's confidence in an estimate of the effect is adequate to support a particular recommendation. The system classifies quality of evidence as high, moderate, low, or very low according to factors that include the study methodology, consistency and precision of the results, and directness of the evidence.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,215 | 0,577 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,003 |
| Méta-épidémiologie (sens large) | 0,015 | 0,018 |
| Bibliométrie | 0,055 | 0,034 |
| Études des sciences et des technologies | 0,002 | 0,004 |
| Communication savante | 0,009 | 0,007 |
| Science ouverte | 0,010 | 0,007 |
| Intégrité de la recherche | 0,007 | 0,011 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,018 | 0,005 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; l’étiquette directe de Gemma et le classifieur distillé Codex s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».