076 Enhancing the Acceptance and Implementation of GRADE Summary Tables for Evidence about Diagnostic Tests
Notice bibliographique
Résumé
Background The GRADE Working Group developed Summary tables adapted to summarise and present evidence from diagnostic test accuracy (DTA) systematic reviews. Objective To develop guidance on what information to include in these summary tables and to determine the best method(s) for presentation for different end users, including healthcare providers, systematic reviewers and guideline developers. Methods We presented a number of alternative summary tables to participants. We conducted questionnaires and one-on-one user testing interviews with target end users. We presented printed copies of summary tables and asked open-ended and 7-point Likert-scale questions to obtain information about users’ understanding and preferences. Results All participants (n = 60) agreed that using summary tables to present results of DTA reviews is helpful. Presentation of several disease prevalence values was identified as a source of confusion. There was an overall preference for placement of sensitivity and specificity values inside summary tables to allow making a link to individual test results (TP, FN, TN, FP). A third of the participants read explanatory content in table footnotes. Two thirds of the participants noted that additional data, including adverse effects, costs, and treatment consequences, would be helpful for making appropriate conclusions and decisions about diagnostic tests. Discussion As results of DTA reviews are conceptually complicated, presenting the data in a clear, comprehensive, comprehensible way that is tailored to different end users is critical. Implications for Guideline Developers/Users We are developing a 3-layer approach, with varied content in summary tables of each layer tailored to the needs of different end users.
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 | 0,118 | 0,110 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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; les deux têtes enseignantes 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 ».