Evidence-Based Guideline: ACR made 10 strong treatment recommendations for RA, but high-quality evidence was sparse
Notice bibliographique
Résumé
ACP Journal Club15 March 2016Evidence-Based Guideline: ACR made 10 strong treatment recommendations for RA, but high-quality evidence was sparseRobin Christensen, MSc, PhD, Lawrence E. Hart, MB BCh, MSc, FRCPCRobin Christensen, MSc, PhDMusculoskeletal Statistics Unit, The Parker Institute, Copenhagen, Denmark (R.C.)Search for more papers by this author, Lawrence E. Hart, MB BCh, MSc, FRCPCMcMaster University, Hamilton, Ontario, Canada (L.E.H.)Search for more papers by this authorAuthor, Article, and Disclosure Informationhttps://doi.org/10.7326/ACPJC-2016-164-6-027 SectionsAboutFull TextPDF ToolsAdd to favoritesDownload CitationsTrack CitationsPermissions ShareFacebookTwitterLinkedInRedditEmail Source CitationSingh JA, Saag KG, Bridges SL Jr, et al. 2015 American College of Rheumatology guideline for the treatment of rheumatoid arthritis. Arthritis Rheumatol. 2016;68:1-26. https://pubmed.ncbi.nlm.nih.gov/26545940Clinical Impact RatingsGIM/FP/GP: Rheumatology: References1 Christensen R, Singh JA, Wells GA, Tugwell PS. Do “evidence-based recommendations” need to reveal the evidence? Minimal criteria supporting an “evidence claim” [Editorial]. J Rheumatol. 2015;42:1737-9. [PMID: 26429204] Google Scholar2 Neumann I, Santesso N, Akl EA, et al. A guide for health professionals to interpret and use recommendations in guidelines developed with the GRADE approach. J Clin Epidemiol. 2016;Jan 6. [Epub ahead of print.] [PMID: 26772609] Google Scholar3 Alexander PE, Gionfriddo MR, Li SA, et al. A number of factors explain why WHO guideline developers make strong recommendations inconsistent with GRADE guidance. J Clin Epidemiol. 2016;70:111-22. [PMID: 26399903] Google Scholar Author, Article, and Disclosure InformationAffiliations: Musculoskeletal Statistics Unit, The Parker Institute, Copenhagen, Denmark (R.C.)McMaster University, Hamilton, Ontario, Canada (L.E.H.)This article was published at Annals.org on 1 March 2016. PreviousarticleNextarticle Advertisement FiguresReferencesRelatedDetails Metrics Cited byImportance of Shared Treatment Goal Discussions in Rheumatoid Arthritis—A Cross‐Sectional Survey: Patients Report Providers Seldom Discuss Treatment Goals and Outcomes Improve When Goals Are DiscussedPersistence with Early-Line Abatacept versus Tumor Necrosis Factor-Inhibitors for Rheumatoid Arthritis Complicated by Poor Prognostic FactorsPersistence with Early-Line Abatacept versus Tumor Necrosis Factor-Inhibitors for Rheumatoid Arthritis Complicated by Poor Prognostic FactorsMixed methods study of a new model of care for chronic disease: co-design and sustainable implementation of group consultations into clinical practice 15 March 2016Volume 164, Issue 6Page: JC27KeywordsDisease modifying antirheumatic drugsDrugsGrading of Recommendations Assessment Development and EvaluationPatient advocacyPatientsRheumatoid arthritisRheumatologySystematic reviewsTreatment guidelinesTumor necrosis factor ePublished: 15 March 2016 Issue Published: 15 March 2016 Copyright & PermissionsCopyright © 2016 by American College of Physicians. All Rights Reserved.PDF downloadLoading ...
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 | 0,027 | 0,143 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,003 |
| Méta-épidémiologie (sens large) | 0,008 | 0,014 |
| Bibliométrie | 0,013 | 0,008 |
| Études des sciences et des technologies | 0,003 | 0,003 |
| Communication savante | 0,008 | 0,007 |
| Science ouverte | 0,011 | 0,006 |
| Intégrité de la recherche | 0,021 | 0,015 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,028 | 0,026 |
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 ».