Textual evidence systematic reviews series paper 2: challenges and strategies in developing a search strategy for systematic reviews of textual evidence
Notice bibliographique
Résumé
OBJECTIVE: The objective of this paper is to highlight and address challenges as well as provide strategies for developing searches for systematic reviews of textual evidence. INTRODUCTION: When conducting a JBI review of textual evidence, it is important to consider different sources of published and unpublished material. While systematic search methodologies have been well-established for searching traditional peer-reviewed literature, applying those same rigorous methods to literature outside of academic journals can be more challenging. This paper highlights and addresses the challenges of developing searches for systematic reviews of textual evidence and provides strategies for how to conduct these. It takes into consideration the unique complexities of locating published material outside of academic journals and presents guidance for developing more robust searches incorporating textual evidence. DISCUSSION: Researchers should acknowledge the value of textual evidence, including opinions, narratives, and policies, as crucial for informing health care practices. It is also essential to clearly define the types of textual evidence needed and establish comprehensive search parameters to ensure thorough coverage. To enhance the search process, researchers should follow a structured 3-phase approach: first, identify relevant keywords; second, conduct tailored searches in bibliographic databases; and third, perform supplementary searches. Furthermore, it is recommended that researchers collaborate with information specialists and experts to refine and strengthen their search techniques. Researchers should also explore a variety of sources, including dedicated databases, conference proceedings, theses, dissertations, and media reports, to gather valuable textual evidence. Finally, it is important to systematically document all search processes to support transparency and reproducibility in the review. CONCLUSION: Searching broadly across bibliographic databases and including textual evidence from non-academic journals may provide the best available and most appropriate evidence to address specific questions.
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 | 0,286 | 0,564 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,016 | 0,002 |
| Bibliométrie | 0,001 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,002 | 0,005 |
| Science ouverte | 0,004 | 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 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 ».