Can database-level MEDLINE exclusion filters in Embase and CINAHL be used to remove duplicate records without loss of relevant studies in systematic reviews? An exploratory study
Notice bibliographique
Résumé
Objective: To investigate whether using database filters to remove MEDLINE results within Embase (OVID) and CINAHL (EBSCO) would result in fewer records, without leading to any loss of studies included in the final review. Methods: We reviewed the included studies from a sample set of 20 Cochrane Reviews, and replicated the search strategies from those reviews in MEDLINE, Embase (both on the OVID platform) and CINAHL (EBSCO). Results were exported to EndNote; then relevant MEDLINE filters were applied within each database, and results were exported again. Filtered results were analysed to determine whether the filtered Embase and CINAHL results excluded relevant studies that were not identified in the original MEDLINE search. Results: Using the “Records from: Embase” filter resulted in no loss of included studies; however, the “Exclude MEDLINE journals” filter in Embase resulted in a failure to retrieve a large number of relevant studies. CINAHL’s filter for MEDLINE records resulted in a very small number of studies being lost. Conclusions: The “Records from: Embase” filter may be safely used for deduplication, though as it removes conferences, searchers may also want to review Conference abstracts separately using the Conferences filter. CINAHL’s MEDLINE filter comes with a small risk of filtering out relevant studies, but may be appropriate to use. Though we did not set out to address this question, our results also demonstrate that it is not advisable to rely on an unfiltered search of Embase alone in order to identify all relevant studies.
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 | 0,665 | 0,897 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,004 |
| Méta-épidémiologie (sens large) | 0,010 | 0,016 |
| Bibliométrie | 0,028 | 0,042 |
| Études des sciences et des technologies | 0,004 | 0,005 |
| Communication savante | 0,016 | 0,026 |
| Science ouverte | 0,008 | 0,011 |
| Intégrité de la recherche | 0,009 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,010 | 0,002 |
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 ».