MétaCan
Menu
Retour à la cohorte
Enregistrement W2586309681 · doi:10.1093/eurpub/ckw171.082

Using GRADE to develop the WHO guideline on verifying elimination of human onchocerciasis

2016· article· en· W2586309681 sur OpenAlexaff
KJ Thaler, TO Ukety, Peter Mahlknecht, Elie A. Akl, SL Norris, Gautam Biswas, Dirk Engels, Gerald Gartlehner

Notice bibliographique

RevueEuropean Journal of Public Health · 2016
Typearticle
Langueen
DomaineMedicine
ThématiqueParasitic Diseases Research and Treatment
Établissements canadiensMcMaster University
Organismes subventionnairesnon disponible
Mots-clésOnchocerciasisGuidelineEnvironmental healthMedicineImmunologyPathology

Résumé

récupéré en direct d'OpenAlex

Issue The Grading of Recommendations Assessment, Development and Evaluation (GRADE) approach was initially developed to support guideline development for therapeutic decisions and recently was expanded to address diagnostic questions. We used GRADE for a guideline on the decision to stop mass drug administration (MDA) and to verify elimination of a disease. This is this first documented use of GRADE for this type of guideline. Problem Human onchocerciasis is caused by the parasitic worm Onchocerca volvulus and causes skin disease and “river blindness”. Several previously endemic countries have implemented MDA with ivermectin and successfully achieved elimination. Recently, the World Health Organization (WHO) updated its 2001 guidelines for the verification of elimination of onchocerciasis. We developed an analytic framework to describe the pathway from MDA to surveillance and verification of elimination of onchocerciasis. We systematically searched for published and unpublished studies and constructed a “linked evidence” chain. We combined evidence from diagnostic accuracy and observational studies and judged the certainty of the evidence using the applicable GRADE method. We then developed GRADE decision tables to summarize all the evidence for benefits and harms, cost, feasibility, equity, and acceptability. Effects In a face-to-face meeting, the guideline panel used the decision tables to make either strong or conditional recommendations for or against each test under consideration. Where available evidence was of very low certainty the panel members relied on their personal knowledge of data that were not publically available (e.g., internal government or WHO field office reports). Lessons Using an analytic framework and GRADE allowed us to present diverse evidence to the guideline panel in a structured manner; however personal knowledge of programme data played a role in panel decisions although it was not captured in the GRADE evidence summaries. Key messages: Providing evidence support for a WHO guideline on elimination of a disease required us to construct an analytic framework and combine multiple study types in a linked evidence chain The role of regular programme generated data (cf published studies) in informing WHO guidelines developed using the GRADE approach should be explored/defined

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)0,138
score de la tête « metaresearch » (Gemma)0,388
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche
Catégories consensuellesaucune
DomaineSignal candidat: Méthodes · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,862
Score d'incertitude au seuil0,732

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,1380,388
Méta-épidémiologie (sens strict)0,0030,002
Méta-épidémiologie (sens large)0,0040,008
Bibliométrie0,0250,014
Études des sciences et des technologies0,0010,004
Communication savante0,0130,013
Science ouverte0,0110,007
Intégrité de la recherche0,0090,020
Charge utile insuffisante (le modèle a refusé de juger)0,0070,007

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 Opus0,293
Tête enseignante GPT0,467
Écart entre enseignants0,174 · 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; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Devis d'étudeSans objet
DomaineMéthodes
GenreMéthodes

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

En bref

Citations0
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEuropean Journal of Public HealthMême sujetParasitic Diseases Research and TreatmentTravaux en français237 207