GRADE guidance 39: using GRADE-ADOLOPMENT to adopt, adapt or create contextualized recommendations from source guidelines and evidence syntheses
Notice bibliographique
Résumé
BACKGROUND AND OBJECTIVE: The Grading of Recommendations, Assessment, Development and Evaluations (GRADE)-ADOLOPMENT methodology has been widely used to adopt, adapt, or de novo develop recommendations from existing or new guideline and evidence synthesis efforts. The objective of this guidance is to refine the operationalization for applying GRADE-ADOLOPMENT. METHODS: Through iterative discussions, online meetings, and email communications, the GRADE-ADOLOPMENT project group drafted the updated guidance. We then conducted a review of handbooks of guideline-producing organizations, and a scoping review of published and planned adolopment guideline projects. The lead authors refined the existing approach based on the scoping review findings and feedback from members of the GRADE working group. We presented the revised approach to the group in November 2022 (approximately 115 people), in May 2023 (approximately 100 people), and twice in September 2023 (approximately 60 and 90 people) for approval. RESULTS: This GRADE guidance shows how to effectively and efficiently contextualize recommendations using the GRADE-ADOLOPMENT approach by doing the following: (1) showcasing alternative pathways for starting an adolopment effort; (2) elaborating on the different essential steps of this approach, such as building on existing evidence-to-decision (EtDs), when available or developing new EtDs, if necessary; and (3) providing examples from adolopment case studies to facilitate the application of the approach. We demonstrate how to use contextual evidence to make judgments about EtD criteria, and highlight the importance of making the resulting EtDs available to facilitate adolopment efforts by others. CONCLUSION: This updated GRADE guidance further operationalizes the application of GRADE-ADOLOPMENT based on over 6 years of experience. It serves to support uptake and application by end users interested in contextualizing recommendations to a local setting or specific reality in a short period of time or with limited resources.
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 | 0,178 | 0,557 |
| Méta-épidémiologie (sens strict) | 0,004 | 0,007 |
| Méta-épidémiologie (sens large) | 0,008 | 0,017 |
| Bibliométrie | 0,030 | 0,017 |
| Études des sciences et des technologies | 0,004 | 0,003 |
| Communication savante | 0,018 | 0,008 |
| Science ouverte | 0,010 | 0,017 |
| Intégrité de la recherche | 0,014 | 0,013 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,061 | 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 ».