MétaCan
Menu
Back to cohort
Record W7054472487

Adaptation of clinical guidelines: advances on methods and reporting

2022· dissertation· ca· W7054472487 on OpenAlexfundno aff

Bibliographic record

VenueTesis Doctorals en Xarxa (Consorci de Serveis Universitaris de Catalunya) · 2022
Typedissertation
Languageca
FieldEngineering
TopicLaser Design and Applications
Canadian institutionsnot available
FundersMedical Research CouncilUniversidad de AntofagastaChinese Academy of Medical SciencesNational Health and Medical Research CouncilUniversitat Autònoma de BarcelonaAmerican University of BeirutHumanitas UniversityWorld Health OrganizationUniversiteit UtrechtWeill Cornell Medical CollegeZhengzhou UniversityWeill Cornell Medicine - QatarACT GovernmentLanzhou UniversityMcMaster University
KeywordsProcess (computing)Context (archaeology)Work (physics)Adaptation (eye)
DOInot available

Abstract

fetched live from OpenAlex

Introducció Les guies clíniques (GC) tenen com a objectiu ajudar les parts interessades a prendre decisions sobre salut. No obstant això, la majoria de les organitzacions no tenen prou recursos per a desenvolupar GC d'alta qualitat. L'adaptació de les GC existents és una forma eficient. Atès que les GC adaptades que estan publicades tenen generalment una baixa qualitat, una informació deficient i no es basen en els marcs d'adaptació de les GC, hi ha una necessitat urgent d'optimitzar la informació i la metodologia utilitzada per a l'adaptació de les GC. Objectius 1) Investigar les metodologies de les GC utilitzades en un país d'ingressos mitjans en relació amb l'elaboració, l'adaptació i l'actualització, 2) explorar la pràctica actual i els reptes de l'adaptació de les GC, i 3) desenvolupar una llista de verificació per a informar sobre l'adaptació de GC en salut. Mètodes Per a l'estudi I, vam dur a terme una enquesta nacional sobre les metodologies utilitzades per les organitzacions xineses de GC, utilitzant un qüestionari pilotat. Identificàrem les possibles organitzacions participants a partir de GC xineses publicades, elaboradors xinesos de GC i experts clínics xinesos. Per a l'estudi II, vam dur a terme entrevistes semiestructurades amb experts en adaptació de GC. Aplicàrem una anàlisi del marc per al procés d'adaptació de les GC i una anàlisi temàtica per a les opinions i experiències dels participants respecte a la pràctica i dificultats de l'adaptació. Per a l'estudi III, seguírem un procés de diversos passos: 1) establir un grup de treball (GT), 2) generar una llista de verificació inicial, 3) optimitzar la llista de verificació (a través d'una avaluació inicial de les GC adaptades, entrevistes semiestructurades, una enquesta de consens Delphi, una revisió externa i una avaluació final de les GC adaptades) i 4) aprovació de la llista de verificació per part del GT. Resultats A l'estudi I, vam estudiar 48 organitzacions xineses d'elaboració de GC. El procés d'elaboració de GC a la Xina encara no té una divisió específica d'elaboració de GC, una participació de les parts interessades, un procés d'actualització formal, una vigilància, una gestió de conflictes d'interessos (COI) ni un finançament. Els mètodes utilitzats són variables i sovint informals. Només unes poques organitzacions xineses de GC utilitzen marcs d'adaptació publicats o mètodes d'actualització formal. En l'estudi II, entrevistàrem deu experts en adaptació de GC i identificàrem nou metodologies d'adaptació. Els principals passos de la pràctica d'adaptació són: selecció de l'abast, avaluació de fonts, formulació de recomanacions adaptades, revisió externa i seguiment d'activitats. Els reptes en l'adaptació de GC inclouen: mala qualitat o informació de la font de les GC, manca de recursos o habilitats, intensitat i complexitat del procés i barreres d'implementació. En l'estudi III, desenvolupàrem la llista de verificació RIGHT-Ad@pt (Reporting Tool for the Adapted Guidelines in Health Care), que conté 34 elements, agrupats en set seccions: informació bàsica, abast, rigor en l'elaboració, recomanacions, revisió externa i control de qualitat, finançament, declaració i gestió de COI i altra informació. També desenvolupàrem una guia d'us, que contenia explicacions i exemples reals per a cada element. Conclusions Els mètodes actuals per adaptar les guies clíniques continuen sent variables i subòptims. El RIGHT-Ad@pt proporciona unes directrius detallades sobre la presentació de GC adaptades, incloent l'informe del procés metodològic i les recomanacions adaptades, fet que contribueix a millorar la transparència i la credibilitat de les GC adaptades. El RIGHT-Ad@pt es pot utilitzar per informar sobre la presentació del procés d'adaptació, per avaluar-ne l'exhaustivitat a les GC adaptades i perquè, en combinació amb l'ús de marcs per a l'adaptació, informi els processos d'adaptació.

Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.

How this classification was reachedexpand

Full frame machine prediction

Teacher imitation

Not calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.

metaresearch head score (Codex)0.329
metaresearch head score (Gemma)0.656
Version: metacan-v3-hybrid-931329e0061cValidation status: machine_predicted_unvalidated
Candidate categoriesMetaresearch
Consensus categoriesMetaresearch
DomainCandidate signal: Reporting · Consensus signal: none
Study designCandidate signal: Not applicable · Consensus signal: none
GenreCandidate signal: Methods · Consensus signal: Methods
Teacher disagreement score0.671
Threshold uncertainty score0.827

Distilled classifier scores by category (both heads)

CategoryCodexGemma
Metaresearch0.3290.656
Meta-epidemiology (narrow)0.0020.002
Meta-epidemiology (broad)0.0040.005
Bibliometrics0.0200.026
Science and technology studies0.0030.008
Scholarly communication0.0180.019
Open science0.0100.015
Research integrity0.0080.014
Insufficient payload (model declined to judge)0.0140.006

Machine scores (provisional)

The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.

Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.

Opus teacher head0.156
GPT teacher head0.456
Teacher spread0.300 · how far apart the two teachers sit on this one work
Validation statusscore_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from it

Classification

machine, unvalidated

Machine predicted; the direct Gemma label and the distilled Codex classifier agree on what is shown here.

Study designNot applicable
DomainReporting
GenreMethods

How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".

Quick stats

Citations0
Published2022
Admission routes1
Has abstractyes

Explore more

Same venueTesis Doctorals en Xarxa (Consorci de Serveis Universitaris de Catalunya)Same topicLaser Design and ApplicationsFrench-language works237,207