The Inclusion and Intended Use of Prediction Models in Clinical Guidelines: A systematic review of five clinical domains in four countries
Notice bibliographique
Résumé
OBJECTIVES: Prediction models can be used to support medical decision-making, but their integration into clinical guidelines remains unclear. Despite the abundance of published models, it is unknown how many are included in clinical guidelines and whether their recommended use in the guideline aligns with model's intended use at development. We investigated the inclusion of prediction models in clinical guidelines and examined any discrepancies between the intended use described in the model development or validation studies and their recommendation in the clinical guidelines in which they are mentioned. STUDY DESIGN AND SETTING: We systematically reviewed clinical guidelines across five clinical domains (pulmonary embolism, preeclampsia, sepsis, dementia, and lung cancer) in four countries (the United States, the United Kingdom, Canada, and the Netherlands). For each prediction model included in the guideline, we identified the corresponding model development and validation studies. Data on clinical setting and intended use of the prediction model were extracted from the guidelines, the development and external validation papers. RESULTS: A total of 20 clinical guidelines were included, identifying nine unique prediction models that were externally validated in 59 studies. Pulmonary embolism had the highest frequency of prediction models in guidelines (4/4), followed by sepsis (3/4), lung cancer and preeclampsia (both 1/4), and dementia (0/4). We identified large discrepancies between the setting and intended use of the models at development or in validation studies, and the guidance provided in guidelines, particularly on aspects such as the clinical context/setting, the timing of use, and the specific patient population. CONCLUSION: Clinical guidelines occasionally recommended the use of prediction models. Many guidelines provided limited instructions on how to operationalize these models and often recommended using the model in a specific clinical scenario without addressing any further key differences from development or validation. When included, typically there were inconsistencies between the intended use of the model and guideline recommendation. There is need for greater standardization in how prediction models are incorporated into guidelines, and to ensure that their recommended use aligns with their intended purpose and validation evidence.
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 | 0,084 | 0,326 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,002 |
| Méta-épidémiologie (sens large) | 0,006 | 0,008 |
| Bibliométrie | 0,019 | 0,022 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,004 | 0,005 |
| Science ouverte | 0,003 | 0,003 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».