Assessment of health systems guidance using the Appraisal of Guidelines for Research and Evaluation – Health Systems (AGREE-HS) instrument
Notice bibliographique
Résumé
Health systems guidance (HSG) documents contain systematically developed statements or recommendations intended to address a health system challenge. The concept of HSG is fairly new and considerable effort has been undertaken to build tools to support the contextualization of recommendations. One example is the Appraisal of Guidelines for REsearch and Evaluation - Health Systems (AGREE-HS), created by international stakeholders and researchers, to assist in the development, reporting and evaluation of HSG. Here, we present the quality appraisal of 85 HSG documents published from 2012 to 2017 using the AGREE-HS. The AGREE-HS consists of five items (Topic, Participants, Methods, Recommendations, and Implementability), which are scored on a 7-point response scale (1=lowest quality; 7=highest quality). Overall, AGREE-HS item scores were highest for the 'Topic' and 'Recommendations' items (means above the mid-point of 4), while the 'Participants', 'Methods', and 'Implementability' items received lower scores. Documents without a specific health focus and those authored by the National Institute for Health and Care Excellence group, achieved higher AGREE-HS overall scores than their comparators. No statistically significant changes in overall scores were observed over time. This is the first time that the AGREE-HS has been applied, providing a current quality status report of HSG and identifying where improvements in HSG development and reporting can be made.
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 | 0,047 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 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 | 0,000 |
| 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 ».