MétaCan
Menu
Retour à la cohorte
Enregistrement W4220891013 · doi:10.1016/j.jtcms.2022.03.003

Methodological exploration on the construction of a traditional Chinese medicine nursing expert consensus based on evidence—taking stroke as an example

2022· article· en· W4220891013 sur OpenAlexaff
Xuejing Li, Ke Peng, Meiqi Meng, Han Liu, Dan Yang, Junqiang Zhao, Yufang Hao

Notice bibliographique

RevueJournal of Traditional Chinese Medical Sciences · 2022
Typearticle
Langueen
DomaineMedicine
ThématiqueMedical Research and Treatments
Établissements canadiensUniversity of Ottawa
Organismes subventionnairesChengdu University of Traditional Chinese MedicineBeijing University of Chinese Medicine
Mots-clésDelphi methodGrading (engineering)DelphiMedicineGuidelineEvidence-based medicineEvidence-based nursingStroke (engine)MEDLINENursingScientific evidenceTraditional Chinese medicineAlternative medicineComputer scienceArtificial intelligencePathology

Résumé

récupéré en direct d'OpenAlex

To explore the methodology of the evidence-based expert consensus formulation process of traditional Chinese medicine (TCM) nursing taking stroke as an example. First, preliminary and comprehensive presentation of all stroke-related symptoms and corresponding TCM nursing techniques involved were revealed through bibliometric analysis. Then, selection of stroke symptoms and TCM nursing techniques for inclusion in the consensus was performed using an expert consultation method. Next, we determined the search strategy for a precise evidence search; conducted an evaluation of evidence quality and the grade of the evidence; and completed evidence extraction, evidence analysis, and evidence synthesis based on the included symptoms and TCM nursing techniques. The Delphi method was then applied to determine the strength of each recommendation and the choice of nursing care points by referring to the Grading of Recommendations, Assessment, Development, and Evaluations grid. Finally, we conducted an external expert validation of the Delphi results to form an expert consensus guideline. Through the bibliometric analysis, 22 stroke symptoms and 18 TCM nursing techniques were identified in the literature. Then, after expert consultation, 22 symptoms and 111 pairs of symptoms combined with TCM nursing techniques were selected for the evidence search. Evidence integration yielded 10 stroke symptoms corresponding to 29 bodies of evidence; these 10 symptoms were retained through the Delphi consultation, and recommendation strength results for 26 recommendations were obtained. A total of 9 symptoms were further retained for expert external validation to form 24 recommendations, with a recommendation process score range of 7.64–9.99 points and a more scientific and standardized recommendation-formation process. Owing to the current limited conditions of evidence-based resources for TCM nursing, the present consensus-building process represents only a preliminary exploration of an evidence-based expert consensus for TCM nursing to provide a reference for a more scientific and standardized methodology.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,347
score de la tête « metaresearch » (Gemma)0,484
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche
Catégories consensuellesMétarecherche
DomaineSignal candidat: Méthodes · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,653
Score d'incertitude au seuil0,805

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,3470,484
Méta-épidémiologie (sens strict)0,0010,002
Méta-épidémiologie (sens large)0,0030,005
Bibliométrie0,0280,020
Études des sciences et des technologies0,0060,007
Communication savante0,0110,010
Science ouverte0,0050,012
Intégrité de la recherche0,0040,003
Charge utile insuffisante (le modèle a refusé de juger)0,0050,001

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.

Tête enseignante Opus0,639
Tête enseignante GPT0,492
Écart entre enseignants0,147 · 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

Classification

machine, non validée

Prédiction automatique; l’étiquette directe de Gemma et le classifieur distillé Codex s’accordent sur ce qui est montré ici.

Devis d'étudeThéorique ou conceptuel
DomaineMéthodes
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations4
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Traditional Chinese Medical SciencesMême sujetMedical Research and TreatmentsTravaux en français237 207