The Panel Subgroup (PSG) Method: A Valuable Method for Effectively Engaging Panels in the Development of Practice Guidelines
Notice bibliographique
Résumé
ABSTRACT Background Clinical practice guidelines rely on expert panels to review evidence and develop recommendations. The traditional approach of engaging experts often relies on periodic full panel meetings which can lead to slow progress and variability in panel engagement. To address these issues, the ASCO introduced the Panel Subgroup (PSG) method, dividing panels into smaller working groups to enhance engagement, distribute workload, and accelerate guideline development. Objective To evaluate the PSG method on guideline development timelines, its uptake, perceived benefits, challenges, and lessons learned from the perspective of ASCO guideline methodologists. Methods This study had two phases. Phase 1 was a retrospective review of ASCO guideline administrative data (2017–2024) comparing guidelines developed using the traditional or PSG method. Guidelines were included if they were de novo, had over 50 included studies, and complete administrative records. Data extracted included number of panelists, research questions, studies reviewed, subgroups (for PSG), and development time. Phase 2 involved qualitative interviews with methodologists who used the PSG method to explore experiences, benefits, and challenges. Results Sixteen guidelines met the inclusion criteria: seven used the traditional method and nine used the PSG method. The average development time was 13 months (SD, 2.41) for the PSG method compared to traditional (23 months; SD, 6.30). PSG uptake among methodologists was 75% (6/8). Reported benefits included improved expert engagement, deeper evidence analysis, better collaboration, and shared authorship. Challenges included greater time demands, increased coordination, writing inconsistencies, and the need for full panel buy‐in. Conclusion The PSG method offers a promising structure to improve engagement and streamline productivity. While not without challenges, it may be particularly useful for large panels and complex guidelines when applied thoughtfully.
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 | 0,149 | 0,378 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 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; 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 ».