Survey of preferred guideline attributes: what helps to make guidelines more useful for emergency health practitioners?
Notice bibliographique
Résumé
Background: Enhancing CPG acceptance and implementation can play a major role in the development and establishment of emergency medicine as a specialty in many parts of the world. A Guideline International Network special interest group established to support collaboration to improve uptake of clinical practice guidelines (CPGs) across the emergency care sector conducted an international survey to identify attributes of guideline likely to enhance their use. Methods: A Web-based survey was undertaken to determine how CPGs were accessed, the preferred formats and attributes of guidelines, and familiarity with GRADE. The criteria used to identify preferred attributes of guidelines were adapted from the AGREE II Tool. Results: Two hundred six responses were received from 31 countries, 74/206 (36%) from the US, 28/206 (16%) from Canada, 17/206 (8%) from Australia and 15/206 (7%) from the UK. The majority of responses were from physicians (176/206, 85%) with 15/206 (7%) of responses from nurses and 9/206 (4%) from pre-hospital emergency services personnel. The preferred format for guidelines was clinical protocols that incorporated recommendations into workflow, and the most preferred attribute of guidelines was the clear identification of key recommendations. The results also identified that within the group that responded to the question related to GRADE, 66% were unfamiliar with this system for summarizing evidence in relationship to recommendations. Conclusions: The findings provide the basis for further research to explore the most appropriate formats for guidelines or guidelines resources tailored to the needs of the emergency care providers.
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 | 0,005 | 0,014 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,002 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 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 ».