Cuatro cosas se juzgan por separado y nunca se funden en una puntuación: lo sólida que es la evidencia, qué tipo de resultado es (asociación, pronóstico, diagnóstico precoz, intervención), lo madura que es la aplicación (de A, ya utilizable en el contexto adecuado, a D, no demostrada), y lo pertinente que es para KSM. Un estudio puede ser excelente e irrelevante para el Gemelo, o pertinente y débil.
Las herramientas, por extenso: PROBAST (Prediction model Risk Of Bias ASsessment Tool) para los modelos predictivos, con la extensión de 2024 para los modelos construidos con aprendizaje automático; TRIPOD (Transparent Reporting of a multivariable prediction model for Individual Prognosis Or Diagnosis), con la extensión de 2024, para lo completo que es el informe de un modelo; GRADE (Grading of Recommendations Assessment, Development and Evaluation) para la certeza de un cuerpo de evidencia; ROB 2 (Risk Of Bias 2) para los ensayos aleatorizados; ROBINS-I (Risk Of Bias In Non-randomized Studies of Interventions) para los estudios no aleatorizados de intervención; QUADAS-2 (Quality Assessment of Diagnostic Accuracy Studies 2) para los estudios de exactitud diagnóstica; AMSTAR 2 (A MeaSurement Tool to Assess systematic Reviews 2) para las revisiones sistemáticas. Calidad del informe y riesgo de sesgo son cosas distintas y se mantienen separadas. Cuando el texto disponible no permite un juicio completo, el juicio se marca como preliminar.