The systematic use of evidence‐based methodologies and technologies enhances shared decision‐making in the 2018 International Consensus Conference on Patient Blood Management
Notice bibliographique
Résumé
BACKGROUND AND OBJECTIVES: Patient Blood Management (PBM) aims to optimize the care of patients who might need a blood transfusion. The International Consensus Conference on PBM (ICC-PBM) aimed to develop evidence-based recommendations on three topics: preoperative anaemia, red blood cell transfusion thresholds and implementation of PBM programmes. This paper reports how evidence-based methodologies and technologies were used to enhance shared decision-making in formulating recommendations during the ICC-PBM. MATERIALS & METHODS: Systematic reviews on 17 PICO (Population, Intervention, Comparison, Outcomes) questions were conducted by a Scientific Committee (22 international topic experts and one methodologist) according to GRADE (Grades of Recommendation, Assessment, Development and Evaluation) methodology. Evidence-based recommendations were formulated using Consensus Development Conference methodology. RESULTS: We screened 17 607 references and included 145 studies. The overall certainty in the evidence of effect estimates was generally low or very low. During the ICC, plenary sessions (100-200 stakeholders from a range of clinical disciplines and community representatives) were followed by closed sessions where multidisciplinary decision-making panels (>50 experts and patient organizations) formulated recommendations. Two chairs (content-expert and methodologist) moderated each session and two rapporteurs documented the discussions. The Evidence-to-Decision template (GRADEpro software) was used as the central basis in the process of formulating recommendations. CONCLUSION: This ICC-PBM resulted in 10 clinical and 12 research recommendations supported by an international stakeholder group of experts in blood transfusion. Systematic, rigorous and transparent evidence-based methodology in a formal consensus format should be the new standard to evaluate (cost-) effectiveness of medical treatments, such as blood transfusion.
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 | 0,670 | 0,740 |
| Méta-épidémiologie (sens strict) | 0,004 | 0,004 |
| Méta-épidémiologie (sens large) | 0,011 | 0,018 |
| Bibliométrie | 0,041 | 0,018 |
| Études des sciences et des technologies | 0,005 | 0,008 |
| Communication savante | 0,022 | 0,015 |
| Science ouverte | 0,011 | 0,022 |
| Intégrité de la recherche | 0,012 | 0,012 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,001 |
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 ».