Strategies for eliciting and synthesizing evidence for guidelines in rare diseases
Notice bibliographique
Résumé
BACKGROUND: Rare diseases are a global public health priority. Though each disease is rare, when taken together the thousands of known rare diseases cause significant morbidity and mortality, impact quality of life, and confer a social and economic burden on families and communities. These conditions are, by their nature, encountered very infrequently by individual clinicians, who may feel unprepared to address their diagnosis and treatment. Clinical practice guidelines are necessary to support clinical and policy decisions. However, creating guidelines for rare diseases presents specific challenges, including a paucity of high certainty evidence to inform panel recommendations. METHODS: This paper draws from the authors' experience in the development of clinical practice guidelines for three rare diseases: hemophilia, sickle cell disease, and catastrophic antiphospholipid syndrome. RESULTS: We have summarized a number of strategies for eliciting and synthesizing evidence that are compatible with the rigorous, internationally accepted standards for guideline development set out by the Grading of Recommendations Assessment, Development and Evaluation (GRADE) system. These strategies include: use of pre-existing and ad hoc qualitative research, use of systematic observation forms, use of registry data, and thoughtful use of indirect evidence. Their use in three real guideline development efforts, as well as their theoretical underpinnings, are discussed. Avenues for future research to improve clinical practice guideline creation for rare diseases - and any disease affected by a relative lack of evidence - are also identified. CONCLUSIONS: Rigorous clinical practice guidelines are needed to improve the care of the millions of people worldwide who suffer from rare diseases. Innovative evidence elicitation and synthesis methods will benefit not only the rare disease community, but also individuals with common diseases who have rare presentations, suffer rare complications, or require nascent therapies. Further refinement and improved uptake of these innovative methods should lead to higher quality clinical practice guidelines in rare diseases.
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 | 0,020 | 0,258 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 | 0,000 |
| 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 ».