Revisiones Sistemáticas Exploratorias como metodología para la síntesis del conocimiento científico
Notice bibliographique
Résumé
Introducción: En la actualidad los sistemas de salud alrededor del mundo apuestan por una toma decisiones clínicas basadas en la evidencia científica. Para ello, es necesario que los profesionales de la salud consulten los resultados de las investigaciones científicas. Sin embargo, dada la gran cantidad de literatura, los investigadores han desarrollado metodologías de revisión para compilar los estudios científicos dentro de un área específica. Aun cuando existen más de 10 tipos de metodologías para la revisión de la literatura, la Revisión Sistemática Exploratoria (RSE) ha recibido poca atención en la literatura sobre métodos de investigación científica de habla hispana. Objetivo: Detallar la metodología de la RSE, sus propósitos y las fases para su desarrollo. Desarrollo: Este trabajo detalla las generalidades de la RSE basándose en la metodología propuesta por Arksey & O’Malley. Así mismo, se describen las áreas o ámbitos donde este tipo de revisión se puede emplear, las fases para desarrollar la revisión y ejemplos de las RSE. Conclusiones: Las RSE tienen la fortaleza de hacer saber a los profesionales de la salud sobre un tema en específico que permita incidir en las políticas públicas. Al igual que las Revisiones Sistemáticas, las RSE utilizan una metodología clara y replicable, aportando datos confiables y científicos para los profesionales de la salud.
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 | 0,165 | 0,282 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,003 | 0,005 |
| Bibliométrie | 0,014 | 0,014 |
| Études des sciences et des technologies | 0,004 | 0,009 |
| Communication savante | 0,016 | 0,011 |
| Science ouverte | 0,006 | 0,010 |
| Intégrité de la recherche | 0,003 | 0,006 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,013 | 0,004 |
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; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».