Developing Core Outcome (Measurement) Sets for Critical Care Research Using the Modified Delphi Method
Notice bibliographique
Résumé
TOPIC IMPORTANCE: High-quality core outcome sets (COSs) and core outcome measurement sets (COMSs) can help to optimize research by allowing the results of clinical trials to be compared and combined in systematic reviews. The number of registered COSs and COMSs for critical care research is increasing, and most are developed using the Delphi method. However, the quality of these tools varies substantially. REVIEW FINDINGS: At least 39 COSs and 10 associated COMSs have been designed for clinical research in critical care and at least 21 ongoing development projects. The Delphi method is the most common method used to foster agreement on the content of a COS or COMS. It is flexible and permits the development process to be tailored to the medical condition and population of interest. However, designing an effective Delphi study requires time and careful deliberation. Clearly defining scope, piloting survey materials, and crafting a consensus process that uses the strengths of each stakeholder group and minimizes loss to follow-up are encouraged. Reporting on COS and COMS development should be sufficiently detailed for readers to understand and critique both the process and the resulting research tool. Established checklists and guidelines are available to assist with both protocol development and peer review of manuscripts reporting on newly generated COSs and COMSs. SUMMARY: Thorough preliminary work, planning, and reporting increase the likelihood that COSs or COMSs related to critical care will reflect the opinions of knowledgeable stakeholders and will improve the usefulness of clinical trial data.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,014 | 0,113 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,004 | 0,003 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,003 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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; les deux têtes enseignantes 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 ».