Precision of healthcare systematic review searches in a cross‐sectional sample
Notice bibliographique
Résumé
BACKGROUND: In systematic reviews, search precision is generally traded off against the desire to retrieve all relevant studies; however, there is no published evidence on typical precision values. The objective of this study is to establish typical values for the precision of systematic review searches in healthcare. METHODS: From an existing cross-sectional sample of 300 MEDLINE-indexed systematic reviews, those that reported the flow of bibliographic records through the review process (n = 109) were examined. Where the ratio of the number of included studies and the number of unique retrievals could be determined, overall and median precision of the search was calculated. Subgroup analyses were conducted by review type (treatment/prevention, diagnosis/prognosis, epidemiology, other), eligible study designs, number of databases searched and for updates of existing systematic reviews. RESULTS: Precision could be calculated for 94 systematic reviews. The median [interquartile range] precision was 0.029 [0.013, 0.081] with a range of 0.007-0.358. In this sample, precision did not differ significantly in any of the subgroups examined. IMPLICATIONS: Search precision of approximately 3% was typical in this cross-section of health related systematic reviews. This finding is useful for systematic review teams to gauge review resource needs and for information specialists in evaluating their searches. Copyright © 2011 John Wiley & Sons, Ltd.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,619 | 0,886 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,003 |
| Méta-épidémiologie (sens large) | 0,006 | 0,009 |
| Bibliométrie | 0,023 | 0,023 |
| Études des sciences et des technologies | 0,002 | 0,005 |
| Communication savante | 0,008 | 0,008 |
| Science ouverte | 0,003 | 0,009 |
| Intégrité de la recherche | 0,003 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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; l’étiquette directe de Gemma et le classifieur distillé Codex 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 ».