MétaCan
Menu
Retour à la cohorte
Enregistrement W3039041742 · doi:10.1016/j.jclinepi.2020.06.029

Rapid review methods more challenging during COVID-19: commentary with a focus on 8 knowledge synthesis steps

2020· review· en· W3039041742 sur OpenAlex

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

RevueJournal of Clinical Epidemiology · 2020
Typereview
Langueen
DomaineHealth Professions
ThématiqueDisaster Response and Management
Établissements canadiensUniversité LavalWilfrid Laurier UniversityBruyèreUniversity of ManitobaCanadian Agency for Drugs and Technologies in HealthSt. Michael's HospitalSunnybrook Health Science CentreUniversity of OttawaUniversity of CalgaryGeorge & Fay Yee Centre for Healthcare InnovationImpactHealth Sciences CentreOttawa HospitalMcMaster University Medical CentreCochraneUniversity of TorontoMcMaster UniversityCanada Research ChairsQueen's University
Organismes subventionnairesWorld Health Organization
Mots-clésCoronavirus disease 2019 (COVID-19)Focus (optics)2019-20 coronavirus outbreakSevere acute respiratory syndrome coronavirus 2 (SARS-CoV-2)MedicineComputer scienceVirologyPsychologyPathologyPhysicsInfectious disease (medical specialty)

Résumé

récupéré en direct d'OpenAlex

What is new?Key findings•Guidance is available on the conduct of rapid reviews. However, the COVID-19 pandemic has created several unique challenges.•Challenges to the conduct of rapid reviews include the urgency of the request from decision-maker organizations, identification of and access to sources of evidence for inclusion in the rapid reviews, extrapolation of results from indirect evidence, and dissemination of results widely.What this adds to what is known?•There is a need for coordination of efforts internationally to reduce the risk of duplication, and to effectively use global collective evidence synthesis resources.•We outline several methodological challenges to the conduct of rapid reviews that have become apparent during the COVID-19 pandemic using an 8-step framework that follows the knowledge synthesis process.What is the implication and what should change now?•We offer several suggestions to help address the methodological challenges encountered during the conduct of rapid reviews on COVID-19, as well as future research. Key findings•Guidance is available on the conduct of rapid reviews. However, the COVID-19 pandemic has created several unique challenges.•Challenges to the conduct of rapid reviews include the urgency of the request from decision-maker organizations, identification of and access to sources of evidence for inclusion in the rapid reviews, extrapolation of results from indirect evidence, and dissemination of results widely.What this adds to what is known?•There is a need for coordination of efforts internationally to reduce the risk of duplication, and to effectively use global collective evidence synthesis resources.•We outline several methodological challenges to the conduct of rapid reviews that have become apparent during the COVID-19 pandemic using an 8-step framework that follows the knowledge synthesis process.What is the implication and what should change now?•We offer several suggestions to help address the methodological challenges encountered during the conduct of rapid reviews on COVID-19, as well as future research.

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.

Prédiction distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,080
score de la tête « metaresearch » (Gemma)0,130
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche, Méta-épidémiologie (sens strict), Méta-épidémiologie (sens large), Intégrité de la recherche
Catégories consensuellesMétarecherche
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,797
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0800,130
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0180,003
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,001
Intégrité de la recherche0,0010,006
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,671
Tête enseignante GPT0,683
Écart entre enseignants0,012 · 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