Issues related to the conduct of systematic reviews: a focus on the nutrition field
Notice bibliographique
Résumé
Systematic reviews (SRs) are an increasingly popular evidence-based tool and are often used to answer complex research questions across many different research domains. Early SR methodology was advanced by social scientists, and the term meta-analysis was coined by a social scientist who also conducted research in psychology. SRs have recently become popular in healthcare and are likely to be beneficial in any field. The aim of this report is to highlight issues in SR conduct with a focus on the field of nutrition and to make recommendations on improving SR conduct in this area. Development of the research question is probably the most important step in conducting an SR. The 4 main components of an answerable question are 1) the patient, population, or problem; 2) the intervention, independent variable, or exposure; 3) the comparators; and 4) the dependent variables or outcomes of interest. The question will be used to determine the optimal methods for conducting the SR. SRs often include study designs beyond randomized trials and do not always include a meta-analysis of the results. Other topics explored include understanding and interpreting discordant reviews and the importance of reporting tools [eg, QUality Of Reporting Of Meta-analyses (QUOROM Statement) or CONsolidated Standards Of Reporting of Trials (CONSORT Statement)]. Recommendations are then provided, such as developing a capacity-building program, searching the primary literature for research gaps, and extending reporting tools such as the QUOROM Statement to the field of nutrition.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,127 | 0,174 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,006 | 0,003 |
| Bibliométrie | 0,000 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,002 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,001 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».