144WS How to Make Judgements About the Quality or Strength of Evidence Transparent
Notice bibliographique
Résumé
Background When assessing the confidence in intervention effects, i.e. the quality of evidence, guideline developers should make their judgement about this confidence transparent and provide an overall assessment (or grade) of the evidence (GIN & IOM standards 2011). The GRADE approach requires these judgments to be described in comments and footnotes. In a recent review of GRADE evidence summaries, we observed important variability in how guideline developers and authors of Cochrane systematic reviews perform these tasks. Objectives In this interactive workshop the participants will learn how to formulate understandable and informative reasons for down- and upgrading the quality of evidence by using a footnotes checklist. Target Group Systematic reviewers and guideline developers assessing the quality or strength of evidence. Description of the Workshop and of the Methods used to Facilitate Interactions We will present the development of the footnotes checklist. To get hands-on experience the participants will work in large and small groups to: 1) use the checklist on several examples of GRADE evidence profiles and 2) make a judgement about how informative these footnotes are, in particular with guideline panel meetings in mind. The examples will include challenging topics like evidence from single RCT and narrative reviews (no pooled estimates). The outcomes of these exercises will be discussed with the large group and will be used to further improve the checklist.
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 | 0,296 | 0,650 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,004 |
| Méta-épidémiologie (sens large) | 0,004 | 0,005 |
| Bibliométrie | 0,009 | 0,004 |
| Études des sciences et des technologies | 0,006 | 0,010 |
| Communication savante | 0,016 | 0,017 |
| Science ouverte | 0,006 | 0,014 |
| Intégrité de la recherche | 0,016 | 0,021 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,070 | 0,057 |
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 ».