Editverse Gratis Lommeregner

GRADE Evidence Table Lommeregner

Arbejd dig igennem GRADE-rammeværkets fem nedgraderingsdomæner og to opgraderingsdomæner for at opnå en evidensmængde, og nå frem til en transparent høj/moderat/lav/meget lav sikkerhedsvurdering – med et struktureret arbejdsark, du kan tilpasse til din egen systematiske gennemgang.

Med simple ord

GRADE er ikke en formel, der kun udtaler et enkelt tal – det er en struktureret måde, hvorpå et evalueringsteam kan ræsonnere højt og på papiret om, hvor meget tillid man skal have til beviserne bag et specifikt resultat. I stedet for at sige "beviserne ser ret gode ud", gennemgår GRADE den samme tjekliste hver gang, så to personer, der vurderer de samme beviser, har en tendens til at lande på den samme vurdering.

Enhver evidensmængde starter ved en baseline, der er fastsat af studiedesignet – randomiserede forsøg starter ved Høj, observationsstudier starter ved Lav – og bevæger sig derefter op eller ned, efterhånden som man arbejder sig gennem et fast sæt af domæner: fem grunde til, at den muligvis fortjener mindre tillid (risiko for bias, inkonsistens, indirekte, upræcision, publikationsbias), og to grunde til, at specifikt observationsevidens muligvis fortjener mere (en stor effekt, en dosis-responsgradient). Hvor man lander efter denne proces – Høj, Moderat, Lav eller Meget Lav – er den sikkerhedsvurdering, man rapporterer.

Hvornår skal man bruge det

Brug GRADE-rammen, når du skriver en systematisk gennemgang, en klinisk retningslinje eller en tabel med resuméer af resultater og har brug for en transparent og internationalt anerkendt måde at angive, hvor sikker du er på evidensen for et specifikt resultat – ikke et enkelt studie.

GRADE vurderer en mængde evidens på tværs af studier, ikke et enkelt datasæt. Hvis du først skal kvantificere, hvor meget studierne er uenige med hinanden, skal du køre en heterogenitetskontrol (I² og τ²) med vores Heterogenitetsberegner – dette resultat overføres direkte til "inkonsistens"-domænet nedenfor. Og hvis du i stedet tester en hypotese på dit eget primære datasæt i stedet for at vurdere en offentliggjort mængde evidens, vil vores Test Selector pege dig i retning af den rigtige statistiske test.

GRADE-bevistabel Sikkerhedsvurdering af evidens · valideret vs. R 4.3.3
brugervejledning

Hvornår skal det bruges? Bedøm sikkerheden af ​​en mængde beviser (Høj / Moderat / Lav / Meget lav) ved hjælp af GRADE-rammen.

Antagelser. Du har vurderet hvert GRADE-domæne med henblik på det interessante resultat.

Almindelige fejl. Karaktersikkerhed pr. resultat, ikke pr. undersøgelse; opgraderinger gælder normalt kun for observationsbeviser.

Udarbejdet eksempel

Klik på Indlæs eksempeldata ovenfor, og derefter på Kør analyse for at se et fuldt udarbejdet resultat med figur, formel og fortolkning af denne test.

Referencer
  1. Guyatt GH, et al. GRADE: en voksende konsensus om vurdering af evidenskvalitet. BMJ. 2008;336:924-926.

Udarbejdede eksempler

Eksempel 1 — RCT med to alvorlige bekymringer

En mængde evidens fra randomiserede forsøg starter ved Høj sikkerhed. Reviewteamet vurderer risikoen for bias som "alvorlig" (-1) på grund af ufuldstændig blinding på tværs af de inkluderede forsøg, og upræcision som "alvorlig" (-1), fordi konfidensintervallet for den samlede effekt krydser en tærskel, der ville ændre den kliniske beslutning. Inkonsistens, indirekte adfærd og publikationsbias vurderes alle som "ikke alvorlig". Der gælder ingen opgraderingskriterier, da opgraderinger af stor effekt og dosis-respons normalt er forbeholdt observationsevidens. To nedgraderinger på ét niveau sænker vurderingen med to fulde niveauer: Høj → Moderat → Lav.

Eksempel 2 — Observationsbevis, opgraderet

En mængde observationsbeviser starter ved lav sikkerhed. Risiko for bias, inkonsistens, indirekte adfærd, upræcision og publikationsbias vurderes alle som "ikke alvorlig" - men den observerede effekt på tværs af studier er usædvanlig stor og konsistent, hvilket kvalificerer til en stor-effekt-opgradering (+1). Én opgradering hæver vurderingen med et niveau: Lav → Moderat . Dette er det klassiske tilfælde, GRADE blev designet til - observationsbeviser, der, på trods af at de starter lavere, genvinder sikkerheden, fordi effekten er for stor til at forklares alene ved plausibel konfounding.

Antagelser, der skal kontrolleres

Du har vurderet hvert domæne separat for dette specifikke resultat – risiko for bias, inkonsistens, indirektehed, upræcision og publikationsbias – ikke blot dannet dig et samlet indtryk af undersøgelsen.

Hvis nogle studier er observationelle, har du også kontrolleret for en stor effekt eller en dosis-responsgradient, før du overvejer en opgradering.

Vurderingen tildeles pr. udfald. En enkelt mængde beviser kan – og gør det ofte – have forskellige sikkerhedsvurderinger for forskellige udfald.

Du har tilstrækkelig information om de inkluderede studier – ikke kun abstracts – til at bedømme hvert domæne ansvarligt.

Almindelige fejl

Bedømmelse af studiet i stedet for resultatet

Gradsikkerhed pr. udfald, ikke pr. studie. Et enkelt forsøg kan levere evidens med høj sikkerhed for ét udfald og evidens med lav sikkerhed for et andet, afhængigt af hvordan hvert enkelt blev målt og rapporteret.

Opgradering af evidens fra randomiserede forsøg

Stor-effekt og dosis-respons opgraderinger er normalt forbeholdt observationsbeviser, der starter ved Lav. Anvendelse af dem på beviser, der allerede er startet ved Høj, tæller den samme styrke dobbelt.

Dobbelttælling af den samme bekymring på tværs af domæner

En enkelt designfejl bør tælles én gang. Nedgradering for det samme underliggende problem under to forskellige domænebetegnelser – for eksempel både risiko for bias og upræcision – overdriver, hvor usikkert bevismaterialet egentlig er.

Behandling af "ingen nedgraderinger" som "ikke vurderet"

En uændret høj vurdering bør stadig vise, at alle domæner aktivt blev kontrolleret og fundet ikke-seriøse – ikke at vurderingen blev sprunget over.

Ofte stillede spørgsmål

Hvad er de fire GRADE-sikkerhedsniveauer?

Fra højeste til laveste sikkerhed: Høj, Moderat, Lav og Meget Lav. Hver beskriver, hvor sikker du er på, at den sande effekt for et specifikt resultat er tæt på, hvad beviserne antyder.

Hvorfor starter RCT'er ved Høj og observationsstudier ved Lav?

Randomisering kontrollerer for kendte og ukendte konfoundere ved baseline, hvilket er grunden til, at randomiserede forsøg starter øverst på sikkerhedsskalaen. Observationsstudier mangler denne beskyttelse, så GRADE starter dem lavere – ved Lav – før der anvendes nogen domæne-for-domæne-justering.

Kan et enkelt domæne sænke sikkerheden med mere end ét niveau?

Ja. GRADE tillader en nedgradering på ét niveau for en "alvorlig" bekymring inden for et domæne eller to niveauer for en "meget alvorlig" bekymring, anvendt separat på tværs af de fem nedgraderingsdomæner — risiko for bias, inkonsistens, indirekte, upræcision og publikationsbias.

Kører denne lommeregner en statistisk beregning?

Nej — GRADE er en struktureret vurderingsramme, ikke en formel, der udskriver et tal alene. Dette arbejdsark organiserer din domæne-for-domæne-vurdering og summerer op- og nedgraderingerne, så dit team anvender rammen konsekvent; selve sikkerhedsvurderingen afhænger stadig af din begrundede vurdering af beviserne.

Referencer

  1. Guyatt GH, et al. GRADE: en voksende konsensus om vurdering af evidenskvalitet. BMJ. 2008;336:924-926.
  2. Balshem H, Helfand M, Schünemann HJ m.fl. GRADE-retningslinjer: 3. Vurdering af evidenskvaliteten. J Clin Epidemiol. 2011;64(4):401-406.

Har du brug for at få udført denne analyse til dit manuskript?

Vores ph.d.-biostatistikere vejleder jeres systematiske reviewteam gennem GRADE domæne-for-domæne sikkerhedsvurderinger og forsvarlige resuméer af resultater — publikationsklare tabeller med reproducerbart R-output.

Få eksperthjælp til statistiske opgaver