MétaCan
Menu
Retour à la cohorte
Enregistrement W4285794412 · doi:10.1186/s13012-022-01219-2

The Guideline Language and Format Instrument (GLAFI): development process and international needs assessment survey

2022· article· en· W4285794412 sur OpenAlex

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.
fundUn bailleur canadien est enregistré sur le travail.
aboutLe titre ou le résumé porte un signal canadien du lexique géographique.

Notice bibliographique

RevueImplementation Science · 2022
Typearticle
Langueen
DomaineMedicine
ThématiqueClinical practice guidelines implementation
Établissements canadiensNorth York General HospitalHospital for Sick ChildrenMcMaster UniversityUniversity of TorontoSt. Michael's Hospital
Organismes subventionnairesCanadian Thoracic Society
Mots-clésMedicineHealth informaticsGuidelineHealth services researchHealth administrationProcess (computing)Public healthMedical educationNursingComputer sciencePathology

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Successful guideline implementation depends both on factors extrinsic to guidelines and their intrinsic features. In the Guideline Implementability for Decision Excellence Model (GUIDE-M), "communicating" content (language and format) is one of three core determinants of intrinsic implementability, but is seldom addressed. Our aims were to develop a tool that could be used by guideline developers to optimize language and format during development; identify gaps in this type of guidance in existing resources; and evaluate the perceived need for and usefulness of such a tool among guideline developers. METHODS: Our mixed-methods design consisted of (1) content development (selection and organization of evidence-based constructs from the GUIDE-M into a prototype Guideline Language and Format Instrument (GLAFI), followed by face validation with guideline developers); (2) document analysis (duplicate) of seven existing guideline tools to measure coverage of GLAFI items and identify new items; and (3) an international survey of guideline developers (corresponding authors of recent Canadian Medical Association or Guidelines International Network database guidelines) to measure perceived importance of language and format, quality of existing resources, and usefulness of a language and format tool. RESULTS: GLAFI items were organized into 4 language and 4 format subdomains. In face validation with guideline developers (17 clinicians, 1 methodologist), all agreed that the tool would improve guideline implementability and 93% indicated a desire for regular use. In the existing guideline tool document analysis, only 14/44 (31.8%) GLAFI items were operationalized in at least one tool. We received survey responses from 148/674 (22.0%) contacted guideline authors representing 45 organizations (9 countries). Language was rated as "extremely important" or "important" in determining uptake by 94% of respondents, and format by 84%. Correspondingly, 72% and 70% indicated that their organization would likely use such a tool. CONCLUSIONS: Optimal language and format are fundamental to guideline implementability but often overlooked. The GLAFI tool operationalizes evidence-based constructs, most of which are absent in existing guideline tools. Guideline developers perceive these concepts to be important and express a willingness to use such a tool. The GLAFI should be further tested and refined with guideline developers and its impact on end-users measured.

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.

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,007
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,619
Score d'incertitude au seuil0,822

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0070,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,000
Communication savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,244
Tête enseignante GPT0,585
Écart entre enseignants0,342 · 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