The Development of PRITEM Reporting Guideline for Mapping Reviews
Notice bibliographique
Résumé
Mapping reviews and Evidence Gap Maps (MR/EGM) have gained significant attention as a method for synthesizing evidence. These products aim to identify areas where evidence is adequate and where gaps exist, guiding decision-making and setting future research priorities. However, there are notable differences in terminology, reporting formats, and content across various fields, organizations, and authors. The PRITEM (Preferred Reporting Items for Mapping Reviews) project aims to address these discrepancies and promote standardized reporting. The PRITEM is being developed collaboratively by researchers from institutions including Lanzhou University, China; University of Ottawa, Canada; Campbell Collaboration; JBI; Africa Centre for Evidence (ACE), South Africa; Global Development Network; and Newcastle University, UK.\n\nThe PRITEM project will adhere to the 'Guidance for developers of health research reporting guidelines' in developing its reporting guideline. A multi-stage approach will be adopted, which includes identifying the need of the checklist, obtaining funding and registering the protocol, establishing PRITEM working groups, reviewing the literature, conducting a Delphi process, holding a consensus meeting, and disseminating the findings. We will establish a multidisciplinary international team of experts to develop the guideline. Based on the results of scoping reviews of relevant literature, we will conduct surveys with international experts and reach a consensus to determine the final checklist. The PRITEM guidance on mapping reviews will serve as a valuable resource for developers of mapping reviews, thus enhancing the overall reporting quality. It will better promote the implementation of available evidence and guide future research priorities, ultimately reducing the waste of research resources.
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 | 0,015 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,902 | 0,248 |
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 ».