MétaCan
Menu
Retour à la cohorte
Enregistrement W2108973014 · doi:10.1136/ebn.12.4.99-b

Accessing pre-appraised evidence: fine-tuning the 5S model into a 6S model

2009· editorial· en· W2108973014 sur OpenAlexaff
Alba DiCenso, Liz Bayley, R. Brian Haynes

Notice bibliographique

RevueEvidence-Based Nursing · 2009
Typeeditorial
Langueen
DomaineMedicine
ThématiqueClinical practice guidelines implementation
Établissements canadiensMcMaster University
Organismes subventionnairesnon disponible
Mots-clésCritical appraisalEvidence-based medicineEvidence-based practiceSystematic reviewQuality (philosophy)Quality of evidenceComputer scienceProcess (computing)Foundation (evidence)Best practiceMEDLINEData sciencePsychologyMedicineMedical educationAlternative medicineMeta-analysisPolitical sciencePathology

Résumé

récupéré en direct d'OpenAlex

The application of high-quality evidence to clinical decision making requires that we know how to access that evidence. In years past, this meant literature searching know-how and application of critical appraisal skills to separate lower from higher quality clinical studies. However, over the past decade, many practical resources have been created to facilitate ready access to high-quality research. We call these resources “pre-appraised” because they have undergone a filtering process to include only those studies that are of higher quality and they are regularly updated so that the evidence we access through these resources is current. To facilitate use of the many pre-appraised resources, Haynes proposed a “4S” model,1 which he then refined into a “5S” model.2 The 5S model begins with original single studies at the foundation, and building up from these are syntheses (systematic reviews such as Cochrane reviews), synopses (succinct descriptions of selected individual studies or systematic reviews, such as those found in the evidence-based journals), summaries , which integrate best available evidence from the lower layers to develop practice guidelines based on a full range of evidence (eg, Clinical Evidence, National Guidelines Clearinghouse), and at the peak of the model, systems, in which the individual patient’s characteristics are automatically linked to the current best evidence that matches the patient’s specific circumstances and the clinician is provided with key aspects of management (e.g., computerised decision support systems).2 When we described the 5S model to colleagues at home and abroad, some queried whether a synopsis of a single study and a synopsis of a systematic review are equivalent as indicated by their single appearance in the model. In the hierarchy of evidence, a systematic review bests a single study, so we are adding a layer to the model to distinguish the 2 types of synopses. …

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)0,467
score de la tête « metaresearch » (Gemma)0,611
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche
Catégories consensuellesMétarecherche
DomaineSignal candidat: Méthodes · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Éditorial · Signal consensuel: aucune
Score de désaccord entre enseignants0,533
Score d'incertitude au seuil0,658

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,4670,611
Méta-épidémiologie (sens strict)0,0040,004
Méta-épidémiologie (sens large)0,0060,007
Bibliométrie0,0240,011
Études des sciences et des technologies0,0050,029
Communication savante0,0340,047
Science ouverte0,0130,029
Intégrité de la recherche0,0140,023
Charge utile insuffisante (le modèle a refusé de juger)0,0110,007

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.

Tête enseignante Opus0,274
Tête enseignante GPT0,531
Écart entre enseignants0,257 · 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; l’étiquette directe de Gemma et le classifieur distillé Codex s’accordent sur ce qui est montré ici.

Devis d'étudeSans objet
DomaineMéthodes
GenreÉditorial

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

En bref

Citations357
Publié2009
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEvidence-Based NursingMême sujetClinical practice guidelines implementationTravaux en français237 207