167PS Setting New Horizons In Optimizing Guideline Utility
Notice bibliographique
Résumé
Background To maximise uptake, CPG recommendations must avoid of bias and be responsive to the needs of clinicians and patients from different populations and settings. Objectives/Goal To discuss three key challenges to CPG use: 1) building consensus and minimising conflicts of interest in formulating recommendations for specific patient populations; 2) taking account of patient multi-morbidity; 3) incorporating patient values and preferences for specific outcomes. Target group Suggested audience Guideline developers and writing groups, clinical researchers, users of guidelines (clinicians, patients). Moderator Prof Ian A Scott, Director of Internal Medicine and Clinical Epidemiology, Princess Alexandra Hospital, Brisbane, Australia.Invited SpeakersDr Susan L Norris, Department of Medical Informatics and Clinical Epidemiology, Oregon Health and Science University, Portland, USA. SLN is Technical Officer for the secretariat of the Guideline Review Committee at the World Health Association in Geneva, Switzerland and has conducted research on conflicts of interest. Professor Holger J Schünemann, Department of Clinical Epidemiology and Biostatistics, McMaster University, Hamilton, Ontario, Canada. HJS is co-chair of the GRADE working group, member of the GIN board of trustees and has co-authored reports on guideline methodology, including multimorbidity. Professor Gordon H Guyatt, Department of Clinical Epidemiology and Biostatistics, McMaster University, Hamilton, Ontario, Canada. GHG is co-chair of the GRADE working group and chaired the executive of 9th iteration of the American College of Chest Physicians Antithrombotic Guidelines.Description of session and speaker topicsSession will comprise 3 presentations (15 mins), one for each challenge, with 5 mins for questions of clarification then 30 mins of panel discussion.
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 | 0,150 | 0,425 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,005 | 0,004 |
| Études des sciences et des technologies | 0,003 | 0,004 |
| Communication savante | 0,020 | 0,019 |
| Science ouverte | 0,003 | 0,013 |
| Intégrité de la recherche | 0,006 | 0,011 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,027 | 0,008 |
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 ».