Reaching consensus within patellofemoral pain research: Protocol for a scoping review
Notice bibliographique
Résumé
Consensus is an often neglected but important part of the scientific process. Consensus agreement allows researchers to agree on fundamentals such as terminology and taxonomy, to establish core outcome sets for reporting on medical conditions, and to set research priorities. Consensus methods are invoked by the scientific community to provide answers on topics with little to no previous research, or to provide further guidance when the available evidence is unclear. In the medical literature the most common methods for assessing consensus are the Delphi, RAND-UCLA and Nominal Group Technique. However, consensus methods and their subsequent published 'consensus statements' often: exclude relevant stakeholders or fail to justify their expert panel selection; neglect to use systematic/scoping reviews to inform what questions or recommendations their consensus panel will rank or vote upon; and often omit the levels of agreement amongst panel members, or worse suppress the existance of important minority views. Given their importance in providing direction to the scientific community, methods of consensus development and their subsequent reporting require further scrutiny. We propose to use the methods of consensus development within the patellofemoral pain field to review: how consensus has been generated; who has been invited/involved; whether formal literature reviews have supported statements and recommendations; and how subsequent agreements/dissent has been reported. By studying the subset of statements on patellofemoral pain we hope to inform future recommendations on the production of rigorous consensus development and reporting.
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 | 0,162 | 0,196 |
| Méta-épidémiologie (sens strict) | 0,005 | 0,006 |
| Méta-épidémiologie (sens large) | 0,009 | 0,012 |
| Bibliométrie | 0,015 | 0,014 |
| Études des sciences et des technologies | 0,005 | 0,007 |
| Communication savante | 0,008 | 0,009 |
| Science ouverte | 0,005 | 0,008 |
| Intégrité de la recherche | 0,011 | 0,014 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,092 | 0,029 |
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 ».