MétaCan
Menu
Retour à la cohorte
Enregistrement W2993142824 · doi:10.1136/bmjebm-2019-111300

The need for clinical judgement in the application of evidence-based medicine

2019· review· en· W2993142824 sur OpenAlexaff
J. David Spence

Notice bibliographique

RevueBMJ evidence-based medicine · 2019
Typereview
Langueen
DomaineDecision Sciences
ThématiqueMeta-analysis and systematic reviews
Établissements canadiensRobarts Clinical TrialsWestern University
Organismes subventionnairesnon disponible
Mots-clésJudgementEvidence-based medicineMedicineIntensive care medicineMEDLINEAlternative medicinePsychotherapistPsychologyEpistemologyPathology

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Evidence-based medicine (EBM) has no doubt resulted in great improvements in the practice of medicine. However, there are problems with overly zealous application of EBM, that for some amounts to religious practice. When good evidence exists, it should guide therapeutic and diagnostic choices. However, when evidence is lacking for a given patient, medicine is best practised by extrapolation from available evidence, interpreted in the light of the pathophysiology of the condition under consideration, and effects of various therapies in relation to that pathophysiology. OBJECTIVE: To assess ways in which the unthinking application of EBM can go wrong; these include withholding therapy in patients whose subgroup was excluded from clinical trials, blind acceptance of the numbers, reliance on studies with crucial design flaws and reliance on intention-to-treat analysis when it is not appropriate. STUDY SELECTION: Examples assessed included withholding cholesterol-lowering therapy in the elderly, not using B-vitamin therapy for stroke prevention, not using revascularisation for true renovascular hypertension and avoiding statin therapy for fear of intracerebral haemorrhage. FINDINGS: Zealous application of EBM is often inappropriate. CONCLUSIONS: In some instances, when there is a lack of evidence, or faulty interpretation of the evidence, clinical judgement should inform the application of EBM.

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

Étiquettes directes de modèles (non validées)

Étiquettes de catégorie et de devis d'étude par modèle, issues des rondes d'étiquetage. C'est une sortie machine, non validée, et le désaccord entre modèles est livré comme donnée. Aucun devis ici n'est encore validé contre MEDLINE.

BrasCatégoriesDevis d'étudeConfiance
gemmaaucune catégorie
Domaine: non disponible · Genre: Synthèse
Porte sur le système de recherche canadien: non · Porte sur un sujet canadien: non
Sans objetlow
gptaucune catégorie
Domaine: non disponible · Genre: Synthèse
Porte sur le système de recherche canadien: non · Porte sur un sujet canadien: non
Sans objethigh
modèles en accordL'accord compare des ensembles de catégories et des devis identiques entre les bras.

Prédiction machine sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,754
score de la tête « metaresearch » (Gemma)0,904
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche
Catégories consensuellesMétarecherche
DomaineSignal candidat: Méthodes · Signal consensuel: Méthodes
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: aucune
Score de désaccord entre enseignants0,246
Score d'incertitude au seuil0,304

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,7540,904
Méta-épidémiologie (sens strict)0,0030,005
Méta-épidémiologie (sens large)0,0210,008
Bibliométrie0,0230,013
Études des sciences et des technologies0,0090,060
Communication savante0,0330,038
Science ouverte0,0190,023
Intégrité de la recherche0,0420,052
Charge utile insuffisante (le modèle a refusé de juger)0,0060,003

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.

Tête enseignante Opus0,972
Tête enseignante GPT0,716
Écart entre enseignants0,255 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Étiqueté directement par 2 modèles lisant le dossier complet.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations26
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBMJ evidence-based medicineMême sujetMeta-analysis and systematic reviewsTravaux en français237 207