GRADE指南 33:解决网络荟萃分析中的不精确问题

2023-11-16 GRADE工作组 GRADE工作组 发表于上海

目的:本文介绍了 GRADE 在评估网络荟萃分析证据的确定性时对不精确性的评估指导。

中文标题:

GRADE指南 33:解决网络荟萃分析中的不精确问题

英文标题:

GRADE guidelines 33: Addressing imprecision in a network meta-analysis

发布机构:

GRADE工作组

发布日期:

2023-11-16

简要介绍:

目的:本文介绍了 GRADE 在评估网络荟萃分析证据的确定性时对不精确性的评估指导。

研究设计和设置:GRADE 工作组内的一个项目组在 GRADE 工作组会议上进行了反复讨论、计算机模拟和演示,以制定并获得本指导的批准。

结果:在解决网络估计的不精确性时,审阅者应考虑 95% 的置信区间或可信区间以及最佳信息量。如果 95% 的置信区间或可信区间超过预先指定的阈值,审阅者应降低证据的确定性。如果 95% 的置信区间未超过任何预先指定的阈值,审阅者应考虑最佳信息量。由于解决最佳信息量可能具有挑战性,审阅者可以使用效果大小来决定是否需要进行任何计算。当效果大小适中或达到最佳信息量时,审阅者不应因不精确而降低评分。

结论:审稿人应使用本指南来适当解决网络荟萃分析证据确定性评估中的不精确性问题。

相关资料下载:
[AttachmentFileName(sort=1, fileName=S0895435621002195.pdf)] GetToolGuiderByIdResponse(projectId=1, id=d8e861c00a02e0c9, title=GRADE指南 33:解决网络荟萃分析中的不精确问题, enTitle=GRADE guidelines 33: Addressing imprecision in a network meta-analysis, guiderFrom=GRADE工作组, authorId=0, author=, summary=目的:本文介绍了 GRADE 在评估网络荟萃分析证据的确定性时对不精确性的评估指导。, cover=https://img.medsci.cn/20241105/1730794609109_8538692.png, journalId=0, articlesId=null, associationId=1426, associationName=GRADE工作组, associationIntro=GRADE Working Group, copyright=0, guiderPublishedTime=Thu Nov 16 00:00:00 CST 2023, originalUrl=, linkOutUrl=, content=<p>目的:本文介绍了 GRADE 在评估网络荟萃分析证据的确定性时对不精确性的评估指导。</p> <p>研究设计和设置:GRADE 工作组内的一个项目组在 GRADE 工作组会议上进行了反复讨论、计算机模拟和演示,以制定并获得本指导的批准。</p> <p>结果:在解决网络估计的不精确性时,审阅者应考虑 95% 的置信区间或可信区间以及最佳信息量。如果 95% 的置信区间或可信区间超过预先指定的阈值,审阅者应降低证据的确定性。如果 95% 的置信区间未超过任何预先指定的阈值,审阅者应考虑最佳信息量。由于解决最佳信息量可能具有挑战性,审阅者可以使用效果大小来决定是否需要进行任何计算。当效果大小适中或达到最佳信息量时,审阅者不应因不精确而降低评分。</p> <p>结论:审稿人应使用本指南来适当解决网络荟萃分析证据确定性评估中的不精确性问题。</p>, tagList=[TagDto(tagId=123963, tagName=网络荟萃分析), TagDto(tagId=497885, tagName=GRADE指南)], categoryList=[CategoryDto(categoryId=85, categoryName=指南&解读, tenant=100), CategoryDto(categoryId=248, categoryName=临床研究, tenant=100)], articleKeywordId=83140, articleKeyword=grade, articleKeywordNum=6, guiderKeywordId=497885, guiderKeyword=GRADE指南, guiderKeywordNum=6, haveAttachments=1, attachmentList=null, guiderType=0, guiderArea=指南, guiderLanguage=1, guiderRegion=10, opened=0, paymentType=, paymentAmount=10, recommend=0, recommendEndTime=null, sticky=0, stickyEndTime=null, allHits=110, appHits=1, showAppHits=0, pcHits=9, showPcHits=109, likes=0, shares=0, comments=0, approvalStatus=1, publishedTime=Wed Nov 06 17:38:00 CST 2024, publishedTimeString=2023-11-16, pcVisible=1, appVisible=1, editorId=0, editor=侠胆医心, waterMark=0, formatted=0, memberCards=[], isPrivilege=0, deleted=0, version=4, createdBy=null, createdName=侠胆医心, createdTime=Mon Nov 04 10:57:32 CST 2024, updatedBy=8538692, updatedName=梅斯话题小助手, updatedTime=Wed Nov 06 10:07:51 CST 2024, courseDetails=[], otherVersionGuiders=[], isGuiderMember=false, ipAttribution=上海, attachmentFileNameList=[AttachmentFileName(sort=1, fileName=S0895435621002195.pdf)])
S0895435621002195.pdf
下载请点击:
评论区 (0)
#插入话题

拓展阅读

DDS: 简单血管结构分类可以预测胰腺神经内分泌肿瘤分级和预后

血管结构性状是评估胰腺神经内分泌肿瘤(PNET)的关键特征。血管结构(VA)可以通过超声(EUS)中的常规多普勒血流来评估,而无需造影剂。本项研究的目的是在EUS中为PNET等级和预后提供简单的VA分类。

GRADE指南:3. 评估证据质量

GRADE工作组 · 2012-11-15