Developing an Evidence-Based Framework for Grading and Assessment of\n Predictive Tools for Clinical Decision Support
Notice bibliographique
Résumé
Background: Clinical predictive tools quantify contributions of relevant\npatient characteristics to derive likelihood of diseases or predict clinical\noutcomes. When selecting a predictive tool, for implementation at clinical\npractice or for recommendation in clinical guidelines, clinicians are\nchallenged with an overwhelming and ever growing number of tools, most of which\nhave never been implemented or assessed for comparative effectiveness.\nObjective: To develop a comprehensive framework to Grade and Assess Predictive\ntools (GRASP), and provide clinicians with a standardised, evidence based\nsystem to support their search for and selection of effective tools. Methods: A\nfocused review of literature was conducted to extract criteria along which\ntools should be evaluated. An initial framework was designed and applied to\nassess and grade five tools: LACE Index, Centor Score, Wells Criteria, Modified\nEarly Warning Score, and Ottawa knee rule. After peer review, by expert\nclinicians and healthcare researchers, the framework was revised and the\ngrading of the tools was updated. Results: GRASP framework grades predictive\ntools based on published evidence across three dimensions: 1) Phase of\nevaluation; 2) Level of evidence; and 3) Direction of evidence. The final grade\nof a tool is based on the highest phase of evaluation, supported by the highest\nlevel of positive evidence, or mixed evidence that supports positive\nconclusion. Discussion and Conclusion: the GRASP framework builds on well\nestablished models and widely accepted concepts to provide standardised\nassessment and evidence based grading of predictive tools. Unlike other\nmethods, GRASP is based on the critical appraisal of published evidence\nreporting the predictive tools predictive performance before implementation,\npotential effect and usability during implementation, and their post\nimplementation impact.\n
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 | 0,367 | 0,478 |
| Méta-épidémiologie (sens strict) | 0,005 | 0,003 |
| Méta-épidémiologie (sens large) | 0,008 | 0,015 |
| Bibliométrie | 0,069 | 0,026 |
| Études des sciences et des technologies | 0,007 | 0,010 |
| Communication savante | 0,023 | 0,015 |
| Science ouverte | 0,014 | 0,019 |
| Intégrité de la recherche | 0,008 | 0,011 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,002 |
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 ».