Assessing the Quality of Global Clinical Practice Guidelines on Gout Using AGREE II Instrument
Notice bibliographique
Résumé
OBJECTIVE: The aim of this study was to assess the quality of global clinical practice guidelines (CPGs) on gout. METHODS: We systematically searched MEDLINE, CBM (Chinese Biomedical Literature database), GIN (Guidelines International Network), NICE (National Institute for Health and Clinical Excellence), NGC (National Guideline Clearinghouse), WHO (World Health Organization), SIGN (Scottish Intercollegiate Guidelines Network), DynaMed, UpToDate, and Best Practice databases from their inception until January 2017 to identify and select CPGs related to gout. Two reviewers independently assessed the eligible gout CPGs using the AGREE II instrument. RESULTS: We evaluated 15 CPGs published between 2007 and 2017, produced by 13 different developers. Quality of evidence and strength of recommendations were presented in 14 (93%) and 13 (87%) CPGs, respectively. The mean scores (±SD) for each AGREE II domain were as follows: (i) scope and purpose: 75% (±17%), (ii) stakeholder involvement: 39% (±19%), (iii) rigor of development: 43% (±17%), (iv) clarity and presentation: 82% (±14%), (v) applicability: 31% (±12%), and (vi) editorial independence: 23% (±29%). CONCLUSIONS: The quality of gout CPGs was suboptimal, and various incompatible grading systems of quality of evidence and strength of recommendations were used. The use of a standardized international grading system is essential to ensure high methodological quality of gout CPGs. Tools such as AGREE II could substantially improve the development and update of future gout CPGs.
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 | 0,022 | 0,194 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,002 |
| 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 ».