Using resources wisely in the COVID-19 pandemic: an international list of Choosing Wisely recommendations
Notice bibliographique
Résumé
BACKGROUND: The novel coronavirus (COVID-19) pandemic has brought forth issues of health system resource limitations into urgent matters of public importance. Our objective was to rapidly develop an international Choosing Wisely list of recommendations for clinicians and the public about using resources wisely in the COVID-19 pandemic. METHODS: Choosing Wisely Canada convened a rapid Delphi process to develop an international Choosing Wisely list for COVID-19. Informed by a rapid review of emerging literature, this process engaged a small group of clinicians and public advisors in Canada (n=10) and internationally (n=8) to develop a candidate list of recommendations. A survey with candidate recommendations was sent to Choosing Wisely clinician leaders in Canada and around the world. Based on survey results and input, list recommendations were modified. RESULTS: The survey was sent to 293 potential respondents and received a 56% response rate in 72 hours (n=163). Respondents were asked to score each of the 9 recommendations on a 5-point Likert scale ranging from 1 strongly disagree to 5 strongly agree followed by free text comment. There were 271 total comments across 9 recommendations. Overall, all 9 recommendations had high levels of agreement with 83%-96% of respondents ranking them as strongly agree or agree. INTERPRETATION: This list of recommendations provides evidence-based statements about using resources wisely in the COVID-19 pandemic. The list reflects international consensus on evidence-based recommendations for both clinicians and the public which were achieved through a rapid consensus building process. TRIAL REGISTRATION: n/a
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 | 0,016 | 0,028 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,002 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,003 |
| 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 ».