Quality and content analysis of clinical practice guidelines which include <scp>nonpharmacological</scp> interventions for knee osteoarthritis
Notice bibliographique
Résumé
RATIONALE, AIMS, AND OBJECTIVES: Clinical practice guidelines (CPGs) for knee osteoarthritis (OA) guide the provision of high-quality healthcare for people with knee OA, which may improve outcomes. Our aim was to evaluate the quality of and content within recently published CPGs for people with knee OA. METHODS: CPGs (2014-2019) that described recommendations for nonpharmacological interventions for knee OA were included in the analysis. Two pairs of evaluators used the Appraisal of Guidelines Research and Evaluation II instrument (AGREE II) to assess the quality of guideline development. CPG content was reviewed and summarized for comparison. RESULTS: Ten CPGs were identified for inclusion in the quality and content analysis (seven newly developed and three recently updated). Overall CPG scores ranged between 42% and 100%. Six CPGs were found to be high-quality. Exercise was the only intervention recommended by all CPGs that we appraised. Weight-management and education were the next most frequently recommended interventions. Inter-rater reliability scores were high in domain 1: scope and purpose, (P-value = .001, intraclass correlation coefficient [ICC] = 0.90, 95% confidence interval [CI] = 0.62-0.98), domain 3: rigor of development (P-value = .000, ICC = 0.95, 95% CI = 0.80-0.99) and domain 5: applicability (P-value = .001, ICC = 0.91, 95% CI = 0.64-0.98). CONCLUSION: Several CPGs have been developed or recently updated since 2014. Over half of the ten CPGs we appraised were deemed to be high-quality. Exercise, education, and weight-management advice are interventions that were most commonly recommended by CPGs.
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 | 0,128 | 0,928 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,000 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,002 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,002 |
| 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».