The Use of Evidence Synthesis in the Context of Healthcare: A Literature Review Primer
Notice bibliographique
Résumé
Introduction: Evidence synthesis (ES) uses different systematic methodologies to compile a body of evidence on a given topic based on existing literature to help inform practice, policy, and future research decisions. There are multiple ways to categorize different types of ES. However, they differ in how they search, appraise, synthesize, and analyze data. Some of the most common ES forms include systematic, narrative, scoping, critical, environmental scans, and rapid reviews. Utility: ES offers a myriad of benefits. These methodologies provide an immediate response to a question using research that has already been approved, funded, and completed, highlighting potential applications in numerous non-research-focused disciplines. Additionally, when information is not readily available in the current literature, ES methodologies elucidate gaps in knowledge that otherwise would be masked. Finally, they enhance the development of novel strategies, studies, and theories by summarizing, appraising, and critiquing current literature despite not being a direct source of unknown information. Challenges: Several practical challenges inhibit the use of ES. To compile any form of ES, access to a wide range of databases and peer-reviewed journals is necessary, thus hindering feasibility for non-academic researchers and those in poorly funded research organizations. These challenges are often exacerbated in developing countries. Due to these barriers, ethical implications exist regarding the lack of inclusive evidence-building between scientists. Additionally, conducting a rigorous and rigid systematic review that analyzes every significant paper on a particular topic is highly time-consuming, thus hampering the effective utilization of ES in most labs. Limitations: ES techniques contain several inherent limitations. Firstly, research questions that are too specific such that existing literature is inadequate or questions that are too broad, such that existing literature is in excess, make ES methodologies weak in providing accurate answers. Additionally, to achieve objectivity, authors of ES studies need to create comprehensive inclusion/exclusion criteria. Unfortunately, this often fosters bias amongst different interpretations of the criteria, thus influencing what research gets included in the analysis. Subsequently, the validity of the entire ES method is jeopardized.
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 | 0,297 | 0,407 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,003 |
| Méta-épidémiologie (sens large) | 0,007 | 0,008 |
| Bibliométrie | 0,041 | 0,035 |
| Études des sciences et des technologies | 0,004 | 0,015 |
| Communication savante | 0,018 | 0,030 |
| Science ouverte | 0,007 | 0,013 |
| Intégrité de la recherche | 0,019 | 0,018 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,003 |
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 ».