Quattro cose si giudicano separatamente e non si fondono mai in un punteggio: quanto sono solide le prove, che tipo di risultato è (associazione, prognosi, diagnosi precoce, intervento), quanto è matura l'applicazione (da A, già usabile nel contesto giusto, a D, non dimostrata), e quanto è pertinente per KSM. Uno studio può essere eccellente e irrilevante per il Gemello, o pertinente e debole.
Gli strumenti, per esteso: PROBAST (Prediction model Risk Of Bias ASsessment Tool) per i modelli predittivi, con l'estensione del 2024 per i modelli costruiti con apprendimento automatico; TRIPOD (Transparent Reporting of a multivariable prediction model for Individual Prognosis Or Diagnosis), con l'estensione del 2024, per quanto completamente un modello è rendicontato; GRADE (Grading of Recommendations Assessment, Development and Evaluation) per la certezza di un corpo di evidenze; ROB 2 (Risk Of Bias 2) per i trial randomizzati; ROBINS-I (Risk Of Bias In Non-randomized Studies of Interventions) per gli studi non randomizzati di intervento; QUADAS-2 (Quality Assessment of Diagnostic Accuracy Studies 2) per gli studi di accuratezza diagnostica; AMSTAR 2 (A MeaSurement Tool to Assess systematic Reviews 2) per le revisioni sistematiche. Qualità della rendicontazione e rischio di bias sono cose diverse e restano distinte. Quando il testo disponibile non permette un giudizio completo, il giudizio è segnato come preliminare.