How well do search filters perform in identifying economic evaluations in MEDLINE and EMBASE
Notice bibliographique
Résumé
OBJECTIVES: Health technology assessment (HTA) agencies assessing the cost-effectiveness of healthcare technologies seek evidence from economic evaluations. As well as searching economic evaluation databases, researchers often search MEDLINE and EMBASE, using search filters whose current performance is unclear. We assessed the performance of search filters in identifying economic evaluations from MEDLINE and EMBASE. METHODS: A gold standard of economic evaluations was compiled from National Health Service Economic Evaluation Database (NHS EED) records for 2000, 2003, and 2006. Corresponding records were retrieved in MEDLINE and EMBASE. Search filters were identified from the InterTASC Information Specialists' SubGroup Web site and from Canadian Agency for Drugs and Technologies in Health (CADTH) Information Services. The sensitivity and precision of search filters in retrieving gold standard records from MEDLINE and EMBASE were tested. RESULTS: A total of 2,070 full economic evaluations were identified from NHS EED. Of these, 1,955 records were available in Ovid MEDLINE and 1,873 were available in Ovid EMBASE. Thirteen MEDLINE and eight EMBASE filters were identified. NHS Quality Improvement Scotland (full and brief filters), the NHS EED and Royle and Waugh filters achieved over 0.99 sensitivity in MEDLINE. NHS Quality Improvement Scotland, CADTH, Royle and Waugh, and NHS EED filters achieved greater than 0.99 sensitivity in EMBASE. Filters demonstrated low precision. CONCLUSIONS: This research provided new performance data on search filters to identify economic evaluations in MEDLINE and EMBASE. It demonstrated that highly sensitive economic evaluation filters are available, but that precision is low, yielding perhaps 5 relevant records per 100 records scanned.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,010 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,003 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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 tête enseignante, 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 ».