MétaCan
Menu
Retour à la cohorte
Enregistrement W4323665219 · doi:10.1016/j.jclinepi.2023.03.003

GRADE guidance 36: updates to GRADE's approach to addressing inconsistency

2023· article· en· W4323665219 sur OpenAlexaff
Yunli Zhao, Martin Mayer, Matthias Briel, Reem A. Mustafa, Ariel Izcovich, Monica Hultcrantz, Alfonso Iorio, Ana Carolina Alba, Farid Foroutan, Xin Sun, Holger J. Schünemann, Hans Debeer, Elie A. Akl, Robin Christensen, Stefan Schandelmaier

Notice bibliographique

RevueJournal of Clinical Epidemiology · 2023
Typearticle
Langueen
DomaineMathematics
ThématiqueAdvanced Causal Inference Techniques
Établissements canadiensMcMaster UniversityTed Rogers Centre for Heart ResearchUniversity Health NetworkImpact
Organismes subventionnairesnon disponible
Mots-clésComputer scienceEconometricsMedicineMathematics

Résumé

récupéré en direct d'OpenAlex

Objectives To update previous Grading of Recommendations Assessment, Development and Evaluation (GRADE) guidance by addressing inconsistencies and interpreting subgroup analyses. Study Design and Setting Using an iterative process, we consulted with members of the GRADE working group through multiple rounds of written feedback and discussions at GRADE working group meetings. Results The guidance complements previous guidance with clarification in two areas: (1) assessing inconsistency and (2) assessing the credibility of possible effect modifiers that might explain inconsistency. Specifically, the guidance clarifies that inconsistency refers to variability in results, not in study characteristics; that inconsistency assessment for binary outcomes requires consideration of both relative and absolute effects; how to decide between narrower and broader questions in systematic reviews and guidelines; that, with the same evidence, ratings of inconsistency may differ depending on the target of certainty rating; and how GRADE inconsistency ratings relate to a statistical measure of inconsistency I 2 depending on the context in which one views results. The second part of the guidance illustrates, based on a worked example, the use of the instrument to assess the credibility of effect modification analyses. The guidance explains the stepwise process of moving from a subgroup analysis to assessing the credibility of effect modification and, if found credible, to subgroup-specific effect estimates and GRADE certainty ratings. Conclusion This updated guidance addresses specific conceptual and practical issues that systematic review authors frequently face when considering the degree of inconsistency in estimates of treatment effects across studies.

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)0,244
score de la tête « metaresearch » (Gemma)0,596
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche
Catégories consensuellesMétarecherche
DomaineSignal candidat: Méthodes · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,756
Score d'incertitude au seuil0,933

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,2440,596
Méta-épidémiologie (sens strict)0,0050,007
Méta-épidémiologie (sens large)0,0100,024
Bibliométrie0,0460,026
Études des sciences et des technologies0,0040,006
Communication savante0,0150,008
Science ouverte0,0230,013
Intégrité de la recherche0,0130,019
Charge utile insuffisante (le modèle a refusé de juger)0,0450,024

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 Opus0,760
Tête enseignante GPT0,622
Écart entre enseignants0,138 · 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'étudeSans objet
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

Citations120
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Clinical EpidemiologyMême sujetAdvanced Causal Inference TechniquesTravaux en français237 207