MétaCan
Menu
Retour à la cohorte
Enregistrement W2055818802 · doi:10.1136/bmjqs-2013-002293.72

041 Making Recommendations About Diagnostic Tests And Strategies: What Do Experts Say?

2013· article· en· W2055818802 sur OpenAlexaff
Reem A. Mustafa, Jan Brożek, Wojtek Wiercioch, Matthew Ventresca, N Lloyd, Holger J. Schünemann

Notice bibliographique

RevueBMJ Quality & Safety · 2013
Typearticle
Langueen
DomaineMedicine
ThématiqueClinical Reasoning and Diagnostic Skills
Établissements canadiensMcMaster University
Organismes subventionnairesnon disponible
Mots-clésMedicineData scienceMedical physicsMedical educationManagement scienceComputer scienceEngineering

Résumé

récupéré en direct d'OpenAlex

Background Current practices in developing guidelines about the use of diagnostic tests and strategies (DTS) are out of step with the conceptual discussion among experts. Objectives Identify the essential factors to consider when making recommendations about DTS. Methods We conducted semi-structured in-depth interviews with experts in assessing evidence and producing guidelines about DTS. Results We interviewed 23 international experts. Although diagnostic test accuracy (DTA) was the factor most commonly considered by organisations when developing recommendations, experts agreed that DTA is never sufficient and may be misleading. Experts identified the following additional essential factors in making decisions about DTS: resource implications, complications, inconclusive results, additional benefits of the test, diagnostic/therapeutic impact, safety, feasibility, ethical, legal, and organisational considerations, patients’ and societies’ values and preferences and the link between the test results and patient important outcomes. Because direct evidence on DTS’s effects on patient outcomes and resource implications is frequently unavailable, most experts agreed that decision analysis and mathematical modelling will be useful, but their opinion varied about the extent of details needed. Discussion Formal decision modelling can be a useful framework for organising the clinical, cost, and preference data relevant to the use of diagnostic tests. Although it requires resources, it is useful for integrating these factors into decision making, identifying evidence gaps, and high priority research areas. Implications Developing guidelines about the use of DTS requires considering factors beyond solely DTA but implementing this demand is challenging. Further development and testing of a framework that can guide this process is needed.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,175
score de la tête « metaresearch » (Gemma)0,468
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche
Catégories consensuellesaucune
DomaineSignal candidat: Méthodes · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,825
Score d'incertitude au seuil0,927

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,1750,468
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0020,002
Bibliométrie0,0060,003
Études des sciences et des technologies0,0040,009
Communication savante0,0130,014
Science ouverte0,0060,007
Intégrité de la recherche0,0150,014
Charge utile insuffisante (le modèle a refusé de juger)0,0120,006

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.

Tête enseignante Opus0,066
Tête enseignante GPT0,445
Écart entre enseignants0,379 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Devis d'étudeQualitatif
DomaineMéthodes
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBMJ Quality & SafetyMême sujetClinical Reasoning and Diagnostic SkillsTravaux en français237 207