Methodological assessment of Mexican Clinical Practice Guidelines: Critical appraisal and GRADE framework adherence.
Notice bibliographique
Résumé
Background and Objective Clinical Practice Guidelines (CPGs) provide evidence-based recommendations to healthcare professionals, policy makers, patients and other stakeholders. Mexico is the biggest producer of CPGs in Latin America and Caribbean countries. The National Healthcare Technology Excellence Center (acronym in Spanish: CENETEC) is responsible for the CPG development, adaptation and update. The aim of this study was to assess the Mexican CPG quality and adherence to the GRADE framework. Study design We conducted a descriptive cross-sectional study of 86 CPGs representing all the CPGs produced by CENETEC between 2015 and 2017 and published in an online database called “Catalogo Maestro”. We performed quality assessment with the online AGREE II tool and assessed the reporting on the GRADE framework. Results Of the 86 CPGs, 34 were published in 2015, 21 in 2016 and 31 in 2017. The overall quality by AGREE II proved a median of 16.6% (Min 16.6%, Max 50%). Of the 86 CPGs, 25 (29%) used the GRADE framework; adherence to GRADE standards was, however, inconsistent and generally poor. Conclusion CPGs produced by CENETEC during this period had a low score by AGREE II standards and low adherence to the GRADE framework. A concerted initiative could rapidly improve CENETEC guidelines.
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 | 0,452 | 0,782 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,002 |
| Méta-épidémiologie (sens large) | 0,007 | 0,009 |
| Bibliométrie | 0,023 | 0,022 |
| Études des sciences et des technologies | 0,003 | 0,003 |
| Communication savante | 0,007 | 0,003 |
| Science ouverte | 0,005 | 0,006 |
| Intégrité de la recherche | 0,003 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 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; l’étiquette directe de Gemma et le classifieur distillé Codex 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 ».