Evidence-informed evidence-making
Notice bibliographique
Résumé
The extent to which clinical and public health guidance developed by the National Institute for Health and Clinical Excellence (NICE) can effectively serve the public by improving quality and efficiency across the National Health Service (NHS) and the broader public sector depends largely on the quality and relevance of the available evidence which informs its decisions. There are well-established organizational and procedural links between NICE and academic and professional organizations that undertake evidence synthesis. However, there are fewer means for evidence gaps identified during the development of NICE guidance to lead to the commissioning of new prospective studies. In this paper, we discuss the importance of a publicly funded clinical and public health research agenda that includes new prospective studies aimed at addressing knowledge gaps identified by NICE. We describe the early experience of NICE and the National Institute for Health Research (NIHR) working together to articulate and commission research to inform best practice recommendations. We propose ways in which NICE can collaborate more effectively with research funders to improve the evidence base upon which it bases its recommendations.
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 | 0,384 | 0,540 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,004 |
| Méta-épidémiologie (sens large) | 0,010 | 0,009 |
| Bibliométrie | 0,019 | 0,011 |
| Études des sciences et des technologies | 0,004 | 0,015 |
| Communication savante | 0,031 | 0,020 |
| Science ouverte | 0,019 | 0,022 |
| Intégrité de la recherche | 0,023 | 0,028 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,011 | 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; 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 ».