From evidence to action
Notice bibliographique
Résumé
Good guidelines will help us to take evidence into practice. In a survey among Dutch orthopedic surgeons, development and use of evidence-based guidelines was perceived as one of the best ways of moving from opinion-based to evidence-based orthopedic practice. The increasing number of guidelines means that knowing how to make a critical appraisal of guidelines is now a key part of every surgeon's life. This is particularly true because guidelines use varying systems to judge the quality of evidence and the strength of recommendations. In this manuscript we discuss what a guideline is, where we can find guidelines, how to evaluate the quality of guidelines, and finally provide an example on the different steps of guideline development. Thus, we show that good guidelines are a summary of the best available evidence and that they provide a graded recommendation to help surgeons in evidence-based practice.
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 | 0,202 | 0,355 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,002 |
| Méta-épidémiologie (sens large) | 0,006 | 0,005 |
| Bibliométrie | 0,010 | 0,004 |
| Études des sciences et des technologies | 0,005 | 0,021 |
| Communication savante | 0,024 | 0,027 |
| Science ouverte | 0,008 | 0,020 |
| Intégrité de la recherche | 0,026 | 0,039 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,015 | 0,007 |
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; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».