MétaCan
Menu
Retour à la cohorte
Enregistrement W6939231237 · doi:10.60692/5ed1m-wvq95

Moving From Evidence To Decisions in Guidelines: An Analysis of Guidance Documents

2022· article· en· W6939231237 sur OpenAlexaff

Notice bibliographique

RevueGreater South Information System · 2022
Typearticle
Langueen
DomaineMedicine
ThématiqueClinical practice guidelines implementation
Établissements canadiensMcMaster UniversityImpact
Organismes subventionnairesnon disponible
Mots-clésGuidelineGrading (engineering)Health careProcess (computing)CornerstoneSet (abstract data type)MEDLINEScientific evidence

Résumé

récupéré en direct d'OpenAlex

Abstract Background The process of moving from evidence to decisions (EtD) represents a cornerstone within guideline development methods. Little is known about the processes used by organizations in charge of guideline development and what criteria they consider when formulating recommendations. Objective To identify and describe the processes suggested for the formulation of healthcare recommendations in health care guidelines available in guidance documents. Methods We searched in spring 2020 the Guidelines International Network (G-I-N) website, MEDLINE, and The Cochrane Methodology Register to retrieve guidance documents published in the last decade by organizations dedicated to guideline development. Pairs of researchers independently selected and extracted data about the characteristics of the guidance document, including explicit or implicit recommendation-related criteria and processes considered, as well as the use of frameworks. We conducted both descriptive and bivariate analyses. Results We included 68 guidance documents, published mostly by scientific societies (58%). Most of the organizations reported a system for grading the strength of recommendations (88%), half of them being the GRADE approach. Two out of three guidance documents (66%) proposed the use of a framework to guide the EtD process. We identified 14 recommendation-related criteria. The GRADE Evidence to Decision (GRADE-EtD) framework was the most often reported framework (19 organizations, 42%), whereas 20 organizations (44%) proposed their own multi-criteria frameworks. Using any EtD framework was related with a more comprehensive set of recommendation-related criteria compared to no framework, especially for criteria like values, equity, and acceptability. A similar association was observed between the GRADE-EtD framework and either no framework or another EtD frameworks. Conclusion The use of systematic and structured processes for moving from evidence to decisions is still limited among international organizations. The use of EtD frameworks facilitates the inclusion of relevant recommendation criteria. Among the structured frameworks, the GRADE-EtD framework offers the most comprehensive perspective for evidence-informed decision-making processes. More complete and detailed reporting in the guidance documents is warranted.

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)0,196
score de la tête « metaresearch » (Gemma)0,732
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche
Catégories consensuellesMétarecherche
DomaineSignal candidat: Méthodes · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,804
Score d'incertitude au seuil0,991

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,1960,732
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0030,005
Bibliométrie0,0520,067
Études des sciences et des technologies0,0020,004
Communication savante0,0090,009
Science ouverte0,0030,007
Intégrité de la recherche0,0030,002
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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.

Tête enseignante Opus0,334
Tête enseignante GPT0,459
Écart entre enseignants0,125 · 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'étudeObservationnel
DomaineMéthodes
GenreEmpirique

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

En bref

Citations0
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueGreater South Information SystemMême sujetClinical practice guidelines implementationTravaux en français237 207