Validation of five search filters for retrieval of clinical practice guidelines produced low precision
Notice bibliographique
Résumé
OBJECTIVES: The aim of the study was to validate search filters for retrieval of clinical practice guidelines (CPGs) in MEDLINE, Embase, and PubMed. STUDY DESIGN AND SETTING: A search for filters for identifying CPGs was conducted in Google and the InterTASC Information Specialists Sub-Group Search Filter Resource. To retrieve a random sample of CPGs to test sensitivity and precision of the filters, we used the TRIP and Epistemonikos databases. The citations were screened independently by two researchers. The sensitivity and precision were calculated. RESULTS: Five search filters were retrieved: two from the Canadian Agency for Drugs and Technologies in Health (CADTH), two from the University of Texas, and one from the MD Anderson Cancer Center Library. A total of 478 records were screened to identify 109 CPGs, which comprised the sample for testing sensitivity and precision. The sensitivity ranged from 87% to 98% for the five search filters and very low precision (<1%) across all databases. CONCLUSION: Knowledge users who are interested in retrieving all relevant CPGs can use the CADTH broad filter with the highest sensitivity. However, our analysis shows that it remains difficult to efficiently identify CPGs because of low precision of five search filters. We recommend searching guideline-specific resources as a more time-efficient approach than searching bibliographic databases.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,152 | 0,618 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,002 |
| Méta-épidémiologie (sens large) | 0,006 | 0,006 |
| Bibliométrie | 0,020 | 0,008 |
| Études des sciences et des technologies | 0,003 | 0,003 |
| Communication savante | 0,015 | 0,007 |
| Science ouverte | 0,004 | 0,004 |
| Intégrité de la recherche | 0,007 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,003 |
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 source (Gemma direct ou Codex distillé), 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 ».