Considerations for conducting systematic reviews: A follow‐up study to evaluate the performance of various automated methods for reference de‐duplication
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Searching multiple resources to locate eligible studies for research syntheses can result in hundreds to thousands of duplicate references that should be removed before the screening process for efficiency. Research investigating the performance of automated methods for deduplicating references via reference managers and systematic review software programs can become quickly outdated as new versions and programs become available. This follow-up study examined the performance of default de-duplication algorithms in EndNote 20, EndNote online classic, ProQuest RefWorks, Deduklick, and Systematic Review Accelerator's new Deduplicator tool. On most accounts, systematic review software programs outperformed reference managers when deduplicating references. While cost and the need for institutional access may restrict researchers from being able to utilize some automated methods for deduplicating references, Systematic Review Accelerator's Deduplicator tool is free to use and demonstrated the highest accuracy and sensitivity, while also offering user-mediation of detected duplicates to improve specificity. Researchers conducting syntheses should take automated de-duplication performance, and methods for improving and optimizing their use, into consideration to help prevent the unintentional removal of eligible studies and potential introduction of bias to syntheses. Researchers should also be transparent about their de-duplication process to help readers critically appraise their synthesis methods, and to comply with the PRISMA-S extension for reporting literature searches in systematic reviews.
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.
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 | 0,806 | 0,772 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,005 | 0,001 |
| Bibliométrie | 0,001 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,002 | 0,000 |
| Science ouverte | 0,002 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
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 découle