GRADE
Classement des Recommendations, Evaluation, Dévelopment & Evaluation
|
Public cible |
Recommandation forte |
Recommandation conditionnelle* |
|---|---|---|
|
Pour les patients ou le public |
Nous croyons que la plupart des gens, dans cette situation, aimeraient suivre la mesure recommandée et seul un petit nombre ne le ferait pas. |
Nous croyons que la plupart des gens, dans cette situation, aimeraient suivre la mesure recommandée, mais plusieurs ne le feraient pas. Différents choix sont acceptables pour chaque personne et les cliniciens doivent soutenir les patients et discuter de leurs valeurs et de leurs préférences pour parvenir à une décision. Les outils d’aide à la décision peuvent aider les personnes à prendre des décisions. |
|
Pour les cliniciens |
La recommandation devrait s’appliquer à la plupart des personnes. Des outils d’aide à la décision formels ne devraient pas être nécessaires pour aider les personnes à prendre des décisions conformes à leurs valeurs et à leurs préférences. |
Nous reconnaissons que chaque patient(e) pourra faire des choix différents, mais appropriés pour lui (elle). Les cliniciens doivent soutenir chaque patient(e) pour qu’il (elle) en vienne à prendre une décision pour sa prise en charge qui correspond à ses valeurs et à ses préférences. Les outils d’aide à la décision peuvent aider les personnes à prendre de telles décisions. |
|
Pour les décideurs et les personnes qui élaborent des mesures de la qualité |
La recommandation peut être adaptée sous forme de politique dans la plupart des situations. Le respect de cette recommandation, conformément à la ligne directrice, peut être utilisé comme un critère de qualité ou un indicateur de rendement. |
L’élaboration de politiques nécessitera un débat important et l’implication de différents intervenants. Un processus décisionnel bien documenté peut être utilisé comme indicateur de qualité. |
*Le Groupe d’étude utilisait autrefois le terme « recommandation faible », mais l’a remplacé par le terme « recommandation conditionnelle » pour plus de clarté et pour faciliter l’application des recommandations, en s’inspirant des commentaires formulés par les médecins utilisateurs des connaissances. Ce changement a notamment été motivé par l’importance que le Groupe d’étude accorde au processus de prise de décision partagée et à la nécessité de préciser si l’application d’une recommandation dépend de certaines circonstances, telles que les valeurs des patients, la disponibilité des ressources ou d’autres facteurs contextuels. Les recommandations conditionnelles fondées sur les valeurs et préférences des patients exigent des cliniciens qu’ils reconnaissent que différents choix peuvent être appropriés selon les patients et que ces décisions doivent concorder avec les valeurs et préférences de ces derniers. Des outils d’application des connaissances sont disponibles sur le site Web du Groupe d’étude pour promouvoir une prise de décision fondée sur des données probantes et en accord avec les priorités des individus.
Qualité des données probantes
Les recommandations présentées dans les lignes directrices préparées par le Groupe d’étude canadien sur les soins de santé préventifs (GECSSP) sont classées comme étant fortes ou conditionnelles (faibles) selon l’approche GRADE (Grades of Recommendations, Assessment, Development & Evaluation). Les avis du GECSSP sur la qualité des données probantes sont résumés en fonction du degré de confiance à l’effet que les preuves disponibles reflètent correctement l’effet réel de l’intervention ou du service.
Nous jugeons que les données probantes sont de grande qualité lorsque nous sommes très persuadés que l’effet réel est proche de l’effet estimé. Par exemple, les données probantes sont jugées comme étant de grande qualité si toutes les conditions suivantes s’appliquent : il y a un large éventail d’études comprises dans les analyses et celles-ci ne comportent aucune limite importante; il y a peu de variation entre les études et l’estimation sommaire comporte un faible intervalle de confiance.
Nous jugeons que les données probantes sont de qualité moyenne lorsque nous considérons que l’effet réel est susceptible d’être proche de l’effet estimé, mais qu’il y a une possibilité qu’il soit sensiblement différent. Par exemple, les données pourraient être considérées comme étant de qualité moyenne pour l’une des raisons suivantes : il y a seulement quelques études et certaines ont des limites, mais pas de lacunes importantes; il y a une certaine variation entre les études ou l’intervalle de confiance de l’estimation sommaire est important.
Nous jugeons que la preuve est de faible ou très faible qualité quand l’effet réel peut être sensiblement différent de l’effet estimé. Par exemple, les données pourraient être considérées comme étant de faible qualité pour l’une des raisons suivantes : les études ont des lacunes majeures; il y a une importante variation entre les études ou l’intervalle de confiance de l’estimation sommaire est très important.
Solidité des recommandations
En plus de la qualité des données probantes à l’appui, la force de nos recommandations est influencée par :
- L’équilibre entre les effets désirables et indésirables;
- La variabilité ou l’incertitude dans les valeurs et les préférences des citoyens; et
- Si l’intervention représente ou non une utilisation judicieuse des ressources.
Les recommandations fortes sont celles à propos desquelles nous considérons que les effets escomptés d’une intervention en surpassent les effets indésirables (recommandation forte à l’appui de l’intervention) ou que les effets indésirables d’une intervention en surpassent les effets escomptés (recommandation forte à l’encontre de l’intervention). Une recommandation forte suppose que la plupart des individus seront mieux servis par la mesure recommandée.
Même dans le contexte de données de faible qualité, il est possible de qualifier une recommandation de forte lorsque, par exemple, les données étayant les bénéfices sont incertaines et que celles dégageant les préjudices sont convaincantes ou encore, s’il y a des répercussions importantes sur le plan des ressources.
Les recommandations conditionnelles* sont habituellement avancées lorsqu’il règne de l’incertitude sur les conséquences souhaitables et indésirables d’une intervention, quand, pour la plupart des patients, les effets désirables d’une intervention surpassent probablement les conséquences indésirables (recommandations en faveur d’un service), ou lorsque les effets indésirables sont probablement plus importants que les effets désirables (recommandations contre un service). Ces recommandations supposent que la même marche à suivre ne s’applique pas à toutes les personnes et dans toutes les circonstances.
Source
Groupe de travail Grades of Recommendation, Assessment, Development, and Evaluation (GRADE), 2011