GRADE notes: How to use GRADE when there is “no” evidence? A case study of the expert evidence approach
Notice bibliographique
Résumé
OBJECTIVES: One essential requirement of trustworthy guidelines is that they should be based on systematic reviews of the best available evidence. The GRADE Working Group has provided guidance for evaluating the certainty of evidence based on several domains. However, for many clinical questions, published evidence may be limited, too indirect or simply not exist. In this brief report (GRADE notes), we describe our method of developing evidence-based recommendations when publisheddirect evidence was lacking. STUDY DESIGN AND SETTING: When direct published literature was absent, an expert evidence survey was administered to panel members about their unpublished observations and case series. Focus was on collecting data about cases and outcome, not panel opinions. RESULTS: Out of 26 questions prioritized by the panel for pediatric venous thromboembolism, 12 had no, very limited, or very low certainty of evidence to inform them. The panel survey was administered for these questions. CONCLUSIONS: Areas of sparse evidence often reflect key questions that are critical to address in clinical practice guidelines due to the uncertainty among health care providers. The expert evidence approach used in this study is one method for panels totransparently deal with the lack of published evidence to directly inform recommendations.
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 | 0,190 | 0,678 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,002 |
| Méta-épidémiologie (sens large) | 0,004 | 0,006 |
| Bibliométrie | 0,015 | 0,012 |
| Études des sciences et des technologies | 0,003 | 0,004 |
| Communication savante | 0,011 | 0,011 |
| Science ouverte | 0,009 | 0,005 |
| Intégrité de la recherche | 0,009 | 0,012 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,029 | 0,014 |
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 ».