Methodologies for developing and applying consensus‐based recommendations in epilepsy care: A narrative review
Notice bibliographique
Résumé
Consensus-based recommendations (CBRs) are essential for health care decision-making when evidence is limited or conflicting. They can be developed using established methodologies such as the Delphi technique, the nominal group technique (NGT), and the RAND Corporation/University of California Los Angeles (UCLA) Appropriateness Method (RAM). This review explores the advantages and disadvantages of these methods and their applications in epilepsy. A narrative review using PubMed (November 22, 2017 to November 22, 2022) was undertaken examining publications describing Delphi, NGT, and RAM. The frequency of use of each method and their applications in epilepsy care were also reviewed (1966 to October 31, 2023). Sixteen articles were included describing the different consensus-based methods. The advantages and disadvantages of each method varied widely. The Delphi technique, the most widely used method, emerged as adaptable for instances with limited evidence or impracticality of face-to-face interactions. Although NGT favors prompt consensus in single-session formats, the RAM offers a balanced approach with its hybrid structure. We identified 64 epilepsy studies that used consensus methods, with 58 utilizing the most widely used technique, the Delphi. The Delphi guided consensus mostly for management including for individuals with rare conditions such as myoclonic-atonic seizures or in those with epilepsy and pregnancy. The NGT guided expert consensus on the use of cannabidiol for Dravet and Lennox-Gastaut syndromes and facilitated decision-making among pharmacy students addressing ethical issues related to patients with epilepsy who drive. The RAM was applied in four studies for its combined individual and group evaluative approach. It was used to develop recommendations or imaging, create quality-of-care indicators for infantile spasms, and establish a web-based tool for assessing surgical candidacy. Consensus methodologies are crucial to inform robust CBR for epilepsy management where clinical practice guidelines are not possible due to limited evidence. The best method depends on the study goal and available resources.
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 | 0,004 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».