Protocol for the Creation of the Guidelines International Network–McMaster Guideline Development Checklist Extension for Integrating Artificial Intelligence in the Guideline Enterprise (Guidelines‐Artificial Intelligence Extension)
Notice bibliographique
Résumé
ABSTRACT Introduction Artificial intelligence (AI) has the potential to support processes of the guideline enterprise. To support the adequate preplanning and the transparent reporting of the use of AI in the guideline enterprise, the Guidelines International Network (GIN) proposed the development of an extension of the GIN–McMaster Guideline Development Checklist (GDC) for the use of AI in guidelines. Here we describe the protocol for the development of this extension. Methods We will follow a multiphase approach to generate an extension of the GIN–McMaster GDC. We will start by prompting a large language model to suggest relevant items for the extension. We will subsequently revise the obtained outputs in an iterative process involving the different elements of the working group. This iterative process will be informed by a scoping review. We will then reach different stakeholders to test the proposed checklist extension on their easiness of use, implementation, feasibility and reasonability. Questions This protocol lays the ground for the development of an extension to the GIN–McMaster GDC for the use of AI in guidelines. This extension will support the adequate use of AI in the guideline enterprise.
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 | 0,194 | 0,396 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,004 |
| Méta-épidémiologie (sens large) | 0,004 | 0,006 |
| Bibliométrie | 0,013 | 0,010 |
| Études des sciences et des technologies | 0,006 | 0,005 |
| Communication savante | 0,007 | 0,006 |
| Science ouverte | 0,005 | 0,009 |
| Intégrité de la recherche | 0,009 | 0,012 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,136 | 0,032 |
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 ».