The rise of consensus methods in paramedicine research: A bibliographic analysis
Notice bibliographique
Résumé
INTRODUCTION: Consensus-based studies are increasingly common in paramedicine research. Whilst there are four main consensus methodologies, recent analyses in other disciplines describe great diversity in method characterised by frequent modifications. AIM: To describe the application and characteristics of consensus research methodologies in paramedicine. METHODS: A bibliographic analysis was conducted of published research reporting use of a consensus methodology, drawing data from MEDLINE, EMBASE, CINAHL. Two researchers performed abstract screening, full text review, and data extraction. A descriptive analysis was conducted. RESULTS: There were 161 paramedicine consensus studies published between 1997 and 2024. Delphi technique was most frequent (83 %), followed by NGT (12 %). The US accounted for the most studies with 44 (26 %), followed by UK with 33 (20 %), Canada 15 (9 %), Norway 12 (7 %) and Australia 12 (7 %). Modifications were reported by authors in 54 % of studies. Of 141 Delphi studies, 31 % demonstrated the use of published reporting or methodological guidance. CONCLUSION: The prevalence of consensus research has increased considerably, dominated by Delphi methodology. Significant methodological heterogeneity was observed, and engagement with methodological and reporting guidelines appeared uncommon. There may be a need for stronger methodological guidance within the paramedicine research space to ensure quality in consensus research.
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 | 0,009 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,007 | 0,051 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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; un appel candidat d’une seule tête enseignante, 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 ».