Methodological quality, guidance, and tools in scoping reviews: a scoping review protocol
Notice bibliographique
Résumé
OBJECTIVE: The objective of this scoping review is to identify and report on evidence (such as guidance) or tools regarding methodological quality or risk of bias of scoping reviews. INTRODUCTION: Scoping reviews have gained popularity in recent years but have been criticized for variations in their approaches. This scoping review will examine evidence on the methodological quality of scoping reviews. It will also identify and describe potential methods to inform the development of a tool for appraising the methodological quality of scoping reviews. INCLUSION CRITERIA: This review will consider all documents reporting on the development, evaluation, or use of tools addressing the critical appraisal or risk of bias of scoping reviews. The search will seek evidence published from 2005 onwards, corresponding with the publication of Arksey and O'Malley's framework for scoping reviews. METHODS: A three-step search strategy will be used to locate both published and unpublished documents. An initial search of MEDLINE identified keywords and MeSH terms. A second search of MEDLINE, Embase, and CINAHL will follow. Google and Google Scholar will be searched for difficult-to-locate and unpublished literature. The authors will use their professional networks, social media accounts, and professional newsletters to contact methodologists to obtain any additional materials. Documents will be independently screened, selected, and extracted by two researchers, and the data will be presented in tables.
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 | 0,348 | 0,332 |
| Méta-épidémiologie (sens strict) | 0,006 | 0,008 |
| Méta-épidémiologie (sens large) | 0,010 | 0,013 |
| Bibliométrie | 0,027 | 0,025 |
| Études des sciences et des technologies | 0,007 | 0,010 |
| Communication savante | 0,011 | 0,015 |
| Science ouverte | 0,007 | 0,014 |
| Intégrité de la recherche | 0,015 | 0,015 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,065 | 0,030 |
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 ».