Librarian Co-Authored Systematic Reviews are Associated with Lower Risk of Bias Compared to Systematic Reviews with Acknowledgement of Librarians or No Participation by Librarians
Notice bibliographique
Résumé
Abstract Objective - To explore the prevalence of systematic reviews (SRs) and librarians’ involvement in them, and to investigate whether librarian co-authorship of SRs was associated with lower risk of bias. Methods - SRs by researchers at University of Oslo or Oslo University Hospital were counted and categorized by extent of librarian involvement and assessed for risk of bias using the tool Risk of Bias in Systematic Reviews (ROBIS). Results - Of 2,737 identified reviews, 324 (11.84%) were SRs as defined by the review authors. Of the 324 SRs, 4 (1.23%) had librarian co-authors, in 85 (26.23%) librarians were acknowledged or mentioned in the methods section. In the remaining 235 SRs (72.53%), there was no clear evidence that a librarian had been involved. Librarian co-authored SRs were associated with lower risk of bias compared to SRs with acknowledgement or no participation by librarians. Conclusion - SRs constitute a small portion of published reviews. Librarians rarely co-author SRs and are only acknowledged or mentioned in a quarter of our sample. The quality and documentation of literature searches in SRs remains a challenge. To minimise the risk of bias in SRs, librarians should advocate for co-authorship.
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 | 0,255 | 0,724 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,002 |
| Méta-épidémiologie (sens large) | 0,005 | 0,007 |
| Bibliométrie | 0,016 | 0,023 |
| Études des sciences et des technologies | 0,001 | 0,003 |
| Communication savante | 0,007 | 0,007 |
| Science ouverte | 0,002 | 0,006 |
| Intégrité de la recherche | 0,004 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 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 ».