Evaluation of artificial intelligence-based tool Covidence in literature screening for guideline updates: A prospective study
Notice bibliographique
Résumé
Regularly updating literature evidence for clinical practice guidelines (CPGs) is necessary but time intensive. Artificial intelligence (AI) tools, like Covidence, may accelerate literature screening. This study prospectively evaluated the effectiveness and accuracy of two Covidence functions: the auto-marking filter (adopted from Cochrane’s RCT classifier) for identifying randomized controlled trials (RCTs) and the machine learning-assisted title and abstract (Stage I) screening in two cancer-related CPGs. We updated the literature searches for the breast and lung cancer CPGs at the Program in Evidence-Based Care (PEBC), Ontario Health (Cancer Care Ontario). Two methodologists trained the machine learning model by indicating which of the first 25 references were tagged by Covidence’s RCT filter. Main outcomes included workload and time savings, Work Saved over Sampling (WSS), and the impact on whether original guideline recommendations required changes. A total of 1,270 (breast cancer) and 1,734 (lung cancer) references were imported into Covidence. Among them, 633 breast cancer and 656 lung cancer references were tagged by Covidence’s RCT filter as possible RCTs and required review at Stage I. Covidence’s RCT filter excluded non-RCTs with high accuracy, reducing manual screening by 50.2% (breast cancer) and 62.2% (lung cancer). For Stage I screening, Covidence reduced workload by 48.3% and 55.2% at 95% sensitivity, and by 44.2% and 16.9% at 100% sensitivity, respectively. WSS values aligned with these reductions. Due to the small number of references screened and the time needed to become initially trained to use Covidence, time savings was minimal. At 95% sensitivity, one included reference per CPG was missed, but guideline recommendations remained unchanged. Covidence AI-assisted screening may effectively support updating literature reviews for oncology CPGs by reducing workload without compromising the integrity of final recommendations. A 95% detection threshold may provide a practical balance between efficiency and accuracy.
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 | 0,015 | 0,048 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| 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 ».