MétaCan
Menu
Retour à la cohorte
Enregistrement W2896134519 · doi:10.1097/ccm.0000000000003467

Above the GRADE: Evaluation of Guidelines in Critical Care Medicine*

2018· article· en· W2896134519 sur OpenAlexaff
Charles R. Sims, Matthew A. Warner, Henry T. Stelfox, Joseph A. Hyder

Notice bibliographique

RevueCritical Care Medicine · 2018
Typearticle
Langueen
DomaineMedicine
ThématiqueClinical practice guidelines implementation
Établissements canadiensUniversity of Calgary
Organismes subventionnairesnon disponible
Mots-clésMedicineGrading (engineering)Quality of evidenceEvidence-based medicineParenteral nutritionGuidelineMEDLINEFamily medicineData extractionAlternative medicineIntensive care medicineMeta-analysisInternal medicinePathology

Résumé

récupéré en direct d'OpenAlex

OBJECTIVES: We examined recommendations within critical care guidelines to describe the pairing patterns for strength of recommendation and quality of evidence. We further identified recommendations where the reported strength of recommendation was strong while the reported quality of evidence was not high/moderate and then assessed whether such pairings were within five paradigmatic situations offered by Grading of Recommendations Assessment, Development and Evaluation methodology to justify such pairings. DATA SOURCES AND EXTRACTION: We identified all clinical critical care guidelines published online from 2011 to 2017 by the Society of Critical Care Medicine along with individual guidelines published by Surviving Sepsis Campaign, Kidney Disease Improving Global Outcomes, American Society for Parenteral and Enteral Nutrition, and the Infectious Disease Society of America/American Thoracic Society. DATA SYNTHESIS: In all, 15 documents specifying 681 eligible recommendations demonstrated variation in strength of recommendation (strong n = 215 [31.6%], weak n = 345 [50.7%], none n = 121 [17.8%]) and in quality of evidence (high n = 41 [6.0%], moderate n = 151 [22.2%], low/very low n = 298 [43.8%], and Expert Consensus/none n = 191 [28.1%]). Strength of recommendation and quality of evidence were positively correlated (ρ = 0.66; p < 0.0001). Of 215 strong recommendations, 69 (32.1%) were discordantly paired with evidence other than high/moderate. Twenty-two of 69 (31.9%) involved Strong/Expert Consensus recommendations, a category discouraged by Grading of Recommendations Assessment, Development and Evaluation methodology. Forty-seven of 69 recommendations (68.1%) were comprised of Strong/Low or Strong/Very Low variation requiring justification within five paradigmatic scenarios. Among distribution in the five paradigmatic scenarios of Strong/Low and Strong/Very Low recommendations, the most common paradigmatic scenario was life threatening situation (n = 20/47; 42.6%). Four Strong/Low or Strong/Very Low recommendations (4/47; 8.5%) were outside Grading of Recommendations Assessment, Development and Evaluation methodology. CONCLUSIONS: Among a large, diverse assembly of critical care guideline recommendations using Grading of Recommendations Assessment, Development and Evaluation methodology, the strength of evidence of a recommendation was generally associated with the quality of evidence. However, strong recommendations were not infrequently made in the absence of high/moderate quality of evidence. To improve clarity and uptake, future guideline statements may specify why such pairings were made, avoid such pairings when outside of Grading of Recommendations Assessment, Development and Evaluation criteria, and consider separate language for Expert Consensus recommendations (good practice statements).

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)0,307
score de la tête « metaresearch » (Gemma)0,682
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche
Catégories consensuellesMétarecherche
DomaineSignal candidat: Évaluation · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,693
Score d'incertitude au seuil0,855

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,3070,682
Méta-épidémiologie (sens strict)0,0020,003
Méta-épidémiologie (sens large)0,0070,013
Bibliométrie0,0400,032
Études des sciences et des technologies0,0040,004
Communication savante0,0170,012
Science ouverte0,0070,011
Intégrité de la recherche0,0070,010
Charge utile insuffisante (le modèle a refusé de juger)0,0120,004

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 Opus0,544
Tête enseignante GPT0,646
Écart entre enseignants0,102 · 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; l’étiquette directe de Gemma et le classifieur distillé Codex s’accordent sur ce qui est montré ici.

Devis d'étudeObservationnel
DomaineÉvaluation
GenreEmpirique

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

En bref

Citations15
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCritical Care MedicineMême sujetClinical practice guidelines implementationTravaux en français237 207