Author guidelines for conducting systematic reviews and meta‐analyses
Notice bibliographique
Résumé
This article is a guidance how to write systematic reviews (SR's) and meta-analyses (MA) in orthopaedics and which aspects to focus on for transparency, systematicity and readability. Both SR and MA summarise and synthesise the best evidence available on a specific topic. This requires a systematic, structured and transparent process of analysis. The title should be concise, indicate type of review and ideally report the most important finding. Next, the structured abstract (no more than 350 words) should also raise key points and report the overall level of evidence. A relevant clinical question must be defined before the literature search is started. Methodological details such as databases searched, the exact search strategy (including time frame), inclusion/exclusion criteria, method of literature appraisal and statistical analysis must be described briefly. The primary and secondary outcomes should be mentioned. SR's be pre-registered before data extraction, to ensure transparency and the reduction of risk of bias. If registered, registration number should be stated in the abstract and the funding sources. A clear summary of the findings is important including the number of identified studies (depicted in a flowchart) and for meta-analyses a forest plot. The results of the literature appraisal and statistical analyses should be reported precisely. Subsequently, a general interpretation of findings and their significance and relevance to clinical practice should be provided. Clinical implications from the analysis should be drawn carefully and further research questions should be addressed. Finally, a conclusion, based solely on the results of the study is a necessity. Up to ten keywords are requested representing the main content of the article. Most applicable keywords should facilitate finding the manuscript in the databases and therefor considered carefully.
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 | 0,261 | 0,249 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,099 | 0,028 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,009 | 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 ».