Guideline Assessment Project: Filling the GAP in Surgical Guidelines
Notice bibliographique
Résumé
OBJECTIVE: The aim of the study was to identify clinical practice guidelines published by surgical scientific organizations, assess their quality, and investigate the association between defined factors and quality. The ultimate objective was to develop a framework to improve the quality of surgical guidelines. SUMMARY BACKGROUND DATA: Evidence on the quality of surgical guidelines is lacking. METHODS: We searched MEDLINE for clinical practice guidelines published by surgical scientific organizations with an international scope between 2008 and 2017. We investigated the association between the following factors and guideline quality, as assessed using the AGREE II instrument: number of guidelines published within the study period by a scientific organization, the presence of a guidelines committee, applying the GRADE methodology, consensus project design, and the presence of intersociety collaboration. RESULTS: Ten surgical scientific organizations developed 67 guidelines over the study period. The median overall score using AGREE II tool was 4 out of a maximum of 7, whereas 27 (40%) guidelines were not considered suitable for use. Guidelines produced by a scientific organization with an output of ≥9 guidelines over the study period [odds ratio (OR) 3.79, 95% confidence interval (CI), 1.01-12.66, P = 0.048], the presence of a guidelines committee (OR 4.15, 95% CI, 1.47-11.77, P = 0.007), and applying the GRADE methodology (OR 8.17, 95% CI, 2.54-26.29, P < 0.0001) were associated with higher odds of being recommended for use. CONCLUSIONS: Development by a guidelines committee, routine guideline output, and adhering to the GRADE methodology were found to be associated with higher guideline quality in the field of surgery.
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 | 0,017 | 0,016 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,003 | 0,002 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| 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 ».