Certainty of evidence and intervention's benefits and harms are key determinants of guidelines’ recommendations
Notice bibliographique
Résumé
OBJECTIVE: Many factors are postulated to affect guidelines developments. We set out to identify the key determinants. STUDY DESIGN AND SETTING: a) Web-based survey of 12 panels of 153 "voting" members who issued 2941 recommendations; b) qualitative analysis of 13 panels of 311 attendees (panel members, systematic review teams and observers). RESULTS: Compared with "no recommendations", when intervention's benefit outweigh harms (BH-balance), probability of issuing strong recommendations in favor of intervention was 0.22 (95%CI: 0.08 to 0.36) when certainty of evidence (CoE) was very low; 0.5 (95%CI:0.36 to 0.63) when low; 0.74 (95%CI 0.61 to 0.87) when moderate and 0.85 (95%CI:0.71 to 1.00) when high. No other postulated factor significantly affected recommendations. The findings are consistent with a J- curve model when recommendations are issued in favor but not against an intervention. Panelists often changed their judgments as a result of the meeting discussion (67% for CoE to 92% for balance between benefits and harms). The panels spent over 50% of their time debating CoE; the chairs and co-chairs dominated discussion. CONCLUSIONS: CoE and BH-balance are key determinants of recommendations in favor of an intervention. Chairs and co-chairs dominate discussion. Panelists often change their judgments as a result of panel deliberation.
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 | 0,292 | 0,722 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,002 |
| Méta-épidémiologie (sens large) | 0,003 | 0,004 |
| Bibliométrie | 0,008 | 0,006 |
| Études des sciences et des technologies | 0,002 | 0,005 |
| Communication savante | 0,009 | 0,008 |
| Science ouverte | 0,002 | 0,006 |
| Intégrité de la recherche | 0,005 | 0,005 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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; 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 ».