MétaCan
Menu
Retour à la cohorte
Enregistrement W4414859662 · doi:10.7326/annals-24-02013

GRADE Guidance: Using Thresholds for Judgments on Health Benefits and Harms in Decision Making (GRADE Guidance 42)

2025· article· en· W4414859662 sur OpenAlexaff
Wojtek Wiercioch, Gian Paolo Morgano, Thomas Piggott, Robby Nieuwlaat, Ignacio Neumann, Bernardo Sousa‐Pinto, Pablo Alonso‐Coello, Elie A. Akl, Lawrence Mbuagbaw, Fuad Mirzayev, Lorenzo Moja, Reem A. Mustafa, Daniele Piovani, Elena Parmelli, Zuleika Saz‐Parkinson, Samuel G. Schumacher, Ilse M. Verstijnen, Stefanos Bonovas, Holger J. Schünemann

Notice bibliographique

RevueAnnals of Internal Medicine · 2025
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueHealth Systems, Economic Evaluations, Quality of Life
Établissements canadiensMcMaster University
Organismes subventionnairesWorld Health Organization
Mots-clésTransparency (behavior)Health benefitsValue (mathematics)Cost–benefit analysisDecision analysisQuality-adjusted life yearMEDLINE

Résumé

récupéré en direct d'OpenAlex

Users of GRADE (Grading of Recommendations Assessment, Development and Evaluation) make judgments about the size of intervention effects on desirable and undesirable people-important health outcomes or on benefits and harms. Benchmarking effect sizes by using decision thresholds (DTs) can help to facilitate these judgments and the process. This article provides GRADE guidance for use of DTs for judgments about the magnitude of desirable and undesirable health effects, such as in a health guideline or health technology assessment. Through iterative discussions and refinement in in-person and online meetings of a GRADE project group and through e-mail communication, the authors developed guidance for using DTs in Evidence-to-Decision (EtD) frameworks. The authors applied the approach and used these examples from guidelines and the results of a randomized methodological study to develop official GRADE guidance. Several alternatives for determining and using DTs are presented. In the first main approach, outcome-specific DTs for trivial, small, moderate, and large effects are determined through a calculation using empirically derived generic coefficients and the outcome's utility value and are compared with the effect estimate obtained from an evidence synthesis. In the second main approach, outcome-specific DTs are also determined, but through direct surveying of decision makers to explicitly assign thresholds for the prioritized health outcomes. The article also describes how these approaches can be combined. The suggested approaches provide transparency for judgments in EtD frameworks that are based on findings from evidence syntheses.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,243
score de la tête « metaresearch » (Gemma)0,627
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche
Catégories consensuellesMétarecherche
DomaineSignal candidat: Méthodes · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,757
Score d'incertitude au seuil0,933

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,2430,627
Méta-épidémiologie (sens strict)0,0040,006
Méta-épidémiologie (sens large)0,0080,016
Bibliométrie0,0180,013
Études des sciences et des technologies0,0030,006
Communication savante0,0140,008
Science ouverte0,0160,011
Intégrité de la recherche0,0190,022
Charge utile insuffisante (le modèle a refusé de juger)0,0340,020

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.

Tête enseignante Opus0,522
Tête enseignante GPT0,536
Écart entre enseignants0,013 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; l’étiquette directe de Gemma et le classifieur distillé Codex s’accordent sur ce qui est montré ici.

Devis d'étudeThéorique ou conceptuel
DomaineMéthodes
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations9
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAnnals of Internal MedicineMême sujetHealth Systems, Economic Evaluations, Quality of LifeTravaux en français237 207