MétaCan
Menu
Retour à la cohorte
Enregistrement W4200191524 · doi:10.1097/phm.0000000000001933

Conducting a Systematic Review and Meta-analysis in Rehabilitation

2021· review· en· W4200191524 sur OpenAlexaff
Andrea D Furlan, Emma Irvin

Notice bibliographique

RevueAmerican Journal of Physical Medicine & Rehabilitation · 2021
Typereview
Langueen
DomaineDecision Sciences
ThématiqueMeta-analysis and systematic reviews
Établissements canadiensInstitute for Work & HealthToronto Rehabilitation InstituteUniversity of TorontoUniversity Health Network
Organismes subventionnairesnon disponible
Mots-clésSystematic reviewRehabilitationMedicineData extractionCochrane LibraryMeta-analysisMEDLINEProtocol (science)Psychological interventionAlternative medicineMedical educationPhysical therapyNursingPathology

Résumé

récupéré en direct d'OpenAlex

ABSTRACT: Systematic reviews are reviews of the literature using a step-by-step approach in a systematic way. Meta-analyses are systematic reviews that use statistical methods to combine the included studies to generate an effect estimate. In this article, we summarize 10 steps for conducting systematic reviews and meta-analyses in the field of rehabilitation medicine: protocol, review team and funding, objectives and research question, literature search, study selection, risk of bias, data extraction, data analysis, reporting of results and conclusions, and publication and dissemination. There are currently 64,958 trials that contain the word "rehabilitation" in CENTRAL (the database of clinical trials in the Cochrane Library), only 1246 reviews, and 237 protocols. There is an urgent need for rehabilitation physicians to engage and conduct systematic reviews and meta-analysis of a variety of rehabilitation interventions. Systematic reviews have become the foundation of clinical practice guidelines, health technology assessments, formulary inclusion decisions and to guide funding additional research in that area.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,209
score de la tête « metaresearch » (Gemma)0,357
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche
Catégories consensuellesMétarecherche
DomaineSignal candidat: Méthodes · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,791
Score d'incertitude au seuil0,975

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,2090,357
Méta-épidémiologie (sens strict)0,0050,004
Méta-épidémiologie (sens large)0,0280,036
Bibliométrie0,0240,017
Études des sciences et des technologies0,0020,002
Communication savante0,0090,008
Science ouverte0,0040,005
Intégrité de la recherche0,0060,005
Charge utile insuffisante (le modèle a refusé de juger)0,0100,001

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.

Tête enseignante Opus0,620
Tête enseignante GPT0,565
Écart entre enseignants0,055 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; l’étiquette directe de Gemma et le classifieur distillé Codex s’accordent sur ce qui est montré ici.

Devis d'étudeSans objet
DomaineMéthodes
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations3
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAmerican Journal of Physical Medicine & RehabilitationMême sujetMeta-analysis and systematic reviewsTravaux en français237 207