The development of clinical guidelines in China: insights from a national survey
Notice bibliographique
Résumé
BACKGROUND: Previous research suggests that the quality of clinical guidelines (CGs) in China is suboptimal. However, little is known about the methodology that CGs follow. We conducted a national survey of methods used by Chinese CG developers for CG development, adaptation, and updating. METHODS: We used a previously piloted questionnaire based on methodologies of CG development, adaptation, and updating, which was distributed during September-November 2020 to 114 organizations identified from published Chinese CGs (searched 2017-2020), recommended by Chinese CG developers, and recommended by clinical discipline experts. RESULTS: We collected 48 completed questionnaires (42.1% response). Most organizations developed CGs based on scientific evidence (89.6%), existing CGs (75%), or expert experience and opinion (64.6%). Only a few organizations had a specific CG development division (6.3%), a CG monitoring plan (on clinicians 33.3%; on patients 18.8%), funding (33.3%), or a conflict-of-interest (COI) management policy (23.4%). Thirty (62.5%) organizations reported using a CG development methodology handbook, from international organizations (14/30, 46.7%), methodology or evaluation resources (3/30, 10.0%), expert experience and opinion (3/30, 10.0%), or in-house handbooks (3/30, 10.0%). One organization followed a published adaptation methodology. Thirty-eight organizations (88.4%) reported de novo CG development: 21 (55.3%) formed a CG working group, and 29 (76.3%) evaluated the quality of evidence (21 [72.4%] using a methodological tool). Nineteen organizations (52.8%) reported CG adaptation: three (31.6%) had an adaptation working group, and 12 (63.2%) evaluated the quality of source CGs (2 (16.7%) using the AGREE II instrument). Thirty-three organizations (68.8%) updated their CGs, seven (17.5%) using a formal updating process. CONCLUSIONS: Our study describes how CGs are developed in a middle-income country like China. To ensure better healthcare, there is still an important need for improvement in the development, adaptation, and updating of CG in China.
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 | 0,015 | 0,029 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,004 | 0,008 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 source (Gemma direct ou Codex distillé), 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 ».