Frameworks for Synthesizing Qualitative Evidence in Health Technology Assessment: A Scoping Review Protocol
Notice bibliographique
Résumé
Health Technology Assessment (HTA) agencies and researchers recognize that evidence-based methodologies should be based on more than just quantitative evidence. Qualitative data enable evaluation based on feasibility, appropriateness, meaningfulness, patient values and preferences, acceptability, and equity. Despite some guidelines explaining how to conduct evidence synthesis of qualitative data, a specific framework or guideline for the HTA recommendation process is only recent and requires clarification . This scoping review aims to describe the frameworks, tools, and processes used to synthesize qualitative evidence and rate the quality of HTA. This scoping review follows the JBI methodology. The databases accessed were Medline (Pubmed), LILACS, CINAHL, Embase, Web of Science, Scopus, PsycINFO, Cochrane Library, JBI Database, and ScienceDirect. Grey literature was searched on PROQUEST, Open Grey, CADTH’s Grey Matters, Google Scholar, and HTA Agencies’ websites. The inclusion criterion was the synthesis of qualitative evidence frameworks as a concept, which refers to methods to synthesize evidence and rate the quality of evidence. HTA is applied worldwide, and there is no specific population . Data are presented in a tabular format and include fundamental concepts, frameworks, methods, subjects, and objectives.
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 | 0,270 | 0,213 |
| Méta-épidémiologie (sens strict) | 0,006 | 0,007 |
| Méta-épidémiologie (sens large) | 0,011 | 0,014 |
| Bibliométrie | 0,031 | 0,028 |
| Études des sciences et des technologies | 0,008 | 0,008 |
| Communication savante | 0,010 | 0,011 |
| Science ouverte | 0,008 | 0,011 |
| Intégrité de la recherche | 0,010 | 0,011 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,087 | 0,022 |
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; l’étiquette directe de Gemma et le classifieur distillé Codex s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».