Streszczenie zgodne z 12 wytycznymi PRISMA 2020 dla raportów z przeglądu systematycznego

Tytuł
→ Jasno wskaż, że tekst dotyczy przeglądu systematycznego (np. „Przegląd systematyczny…”).


Tło / Cele badania
→ Sformułuj główny cel przeglądu lub pytanie badawcze (najlepiej zgodne z formatem PICo lub PICO).


Kryteria włączenia i wyłączenia
→ Wymień najważniejsze warunki, na podstawie których artykuły były kwalifikowane lub odrzucane.


Źródła informacji
→ Wskaż, jakie bazy danych zostały przeszukane oraz kiedy odbyło się ostatnie wyszukiwanie.


Ocena ryzyka biasu
→ Opisz, jak oceniano jakość i wiarygodność włączonych badań (np. narzędzia oceny ryzyka biasu).


Sposób syntezy danych
→ Wskaż, czy dokonano analizy jakościowej, ilościowej (meta-analizy) czy mieszanej.


Liczba i typ uwzględnionych badań
→ Podaj liczbę prac włączonych po selekcji oraz ich podstawowe cechy.


Główne wyniki (synteza)
→ Przedstaw kluczowe ustalenia i ich znaczenie (najlepiej tematycznie lub według kategorii).


Ograniczenia dowodów
→ Wymień najważniejsze słabości dostępnych danych (np. mała liczba badań, ryzyko stronniczości).


Interpretacja / znaczenie wyników
→ Przedstaw implikacje wyników dla praktyki, teorii lub przyszłych badań.


Finansowanie
→ Wskaż, czy przegląd był finansowany i przez kogo.


Rejestracja
→ Poinformuj, czy przegląd został zarejestrowany w rejestrze (np. PROSPERO), podaj numer.

więcej

Wytyczne dla przeglądów systematycznych PRISMA 2020

PRISMA 2020 (Preferred Reporting Items for Systematic Reviews and Meta-Analyses) to najnowsza, zaktualizowana wersja międzynarodowych wytycznych dotyczących raportowania przeglądów systematycznych i metaanaliz. Te wytyczne stanowią złoty standard w dziedzinie medycyny opartej na dowodach i są niezbędne dla każdego badacza zajmującego się syntezą dowodów naukowych.

🎯 Czym jest PRISMA 2020?

PRISMA 2020 to kompleksowy zestaw wytycznych, który zawiera 27 głównych elementów podzielonych na siedem kluczowych sekcji. Każdy element jest szczegółowo opisany z jasno określonymi wymaganiami dotyczącymi raportowania, które dzielą się na:

📋 Elementy podstawowe

Niezbędne informacje, które muszą być zawarte w każdym przeglądzie systematycznym

📈 Elementy dodatkowe

Uzupełniające informacje, które zwiększają kompletność i użyteczność raportu

🏗️ Szczegółowa struktura wytycznych PRISMA 2020

📋 TYTUŁ

Poz. 1: Tytuł

Element podstawowy Identyfikacja raportu jako przeglądu systematycznego w tytule.

Tytuł powinien zawierać kluczowe informacje o głównym celu lub pytaniu, populacji i interwencjach. Może również zawierać dodatkowe informacje o metodzie analizy czy typie włączonych badań.

Poz. 2: Streszczenie

Wymóg: Streszczenie zgodne z listą kontrolną PRISMA 2020 dla streszczeń.

Streszczenie powinno zawierać wszystkie kluczowe elementy przeglądu systematycznego w skondensowanej formie.

📝 WPROWADZENIE

Poz. 3: Uzasadnienie

Opis uzasadnienia dla przeglądu w kontekście istniejącej wiedzy:

• Opis aktualnego stanu wiedzy i jej niepewności
• Wyjaśnienie, dlaczego ważne jest przeprowadzenie przeglądu
• Jeśli istnieją inne przeglądy na ten sam temat - wyjaśnienie konieczności nowego przeglądu
• Krótki opis mechanizmu działania badanych interwencji

Poz. 4: Cele

Jasne sformułowanie celów lub pytań badawczych:

Cele powinny być wyrażone w ramach odpowiedniej struktury formułowania pytań (np. PICO - Populacja, Interwencja, Porównanie, Wyniki) lub jej wariantów.

🔬 METODOLOGIA

Poz. 5: Kryteria włączenia

Kryteria dotyczące badań

Wszystkie charakterystyki badań używane do decyzji o włączeniu: komponenty PICO, projekty badań, warunki, minimalny czas obserwacji

Kryteria dotyczące publikacji

Rok publikacji, język, status publikacji (nieopublikowane manuskrypty, abstrakty konferencyjne)

Poz. 6: Źródła informacji

Wszystkie przeszukiwane źródła z datami ostatniego przeszukiwania:

• Bazy danych bibliograficzne (nazwa, interfejs, daty pokrycia)
• Rejestry badań i bazy regulacyjne
• Strony internetowe i wyszukiwarki
• Organizacje i producenci
• Listy referencyjne i wyszukiwanie cytowań

Poz. 7: Strategia wyszukiwania

Pełne strategie wyszukiwania dla wszystkich baz danych:

• Kompletna strategia wyszukiwania linia po linii dla każdej bazy
• Opis zastosowanych ograniczeń (data, język)
• Cytowanie używanych filtrów wyszukiwania
• Opis walidacji strategii wyszukiwania

Poz. 8: Proces selekcji

👥 Liczba recenzentów

Ile osób sprawdzało każdy rekord (tytuł/abstrakt) i każdy pełny tekst, czy pracowały niezależnie

🤖 Narzędzia automatyzacji

Integracja narzędzi uczenia maszynowego w procesie selekcji, klasyfikatory, oprogramowanie

Poz. 9: Proces zbierania danych

Metody zbierania danych z raportów:

• Liczba recenzentów zbierających dane z każdego raportu
• Procesy rozwiązywania rozbieżności
• Procesy uzyskiwania/potwierdzania danych od autorów badań
• Użycie narzędzi automatyzacji w ekstrakcji danych

Poz. 10a: Elementy danych (wyniki)

Lista i definicja wszystkich wyników, dla których poszukiwano danych:

• Domeny wyników i ramy czasowe pomiarów
• Czy poszukiwano wszystkich wyników kompatybilnych z każdą domeną
• Zmiany w włączaniu lub definicji domen wyników
• Które domeny wyników uznano za najważniejsze

Poz. 10b: Elementy danych (inne zmienne)

Lista wszystkich innych zmiennych: charakterystyki uczestników i interwencji, źródła finansowania, założenia dotyczące brakujących informacji.

Poz. 11: Ocena ryzyka błędu systematycznego w badaniach

🛠️ Narzędzia oceny

Narzędzia (i wersje) używane do oceny ryzyka, domeny metodologiczne, ogólne osądy ryzyka

👥 Proces oceny

Liczba recenzentów oceniających każde badanie, niezależność pracy, rozwiązywanie sporów

Poz. 12: Miary efektu

Dla każdego wyniku: miary efektu użyte w syntezie lub prezentacji wyników (np. ryzyko względne, różnica średnich), progi interpretacji wielkości efektu, uzasadnienie wyboru miar.

Poz. 13a-f: Metody syntezy

13a: Kwalifikowalność do syntezy

Procesy decydowania, które badania kwalifikują się do każdej syntezy

13b: Przygotowanie danych

Metody przygotowania danych do prezentacji/syntezy (obsługa brakujących statystyk, konwersje danych)

13c: Metody tabelaryczne i graficzne

Struktury tabel, metody graficzne do wizualizacji wyników

13d: Metody syntezy statystycznej

Modele meta-analizy, metody identyfikacji heterogeniczności, oprogramowanie użyte

13e: Badanie heterogeniczności

Analiza podgrup, meta-regresja, inne metody eksploracji przyczyn heterogeniczności

13f: Analizy wrażliwości

Analizy wrażliwości przeprowadzone w celu oceny stabilności wyników

Poz. 14: Ocena błędów publikacyjnych

Metody oceny ryzyka błędów związanych z brakującymi wynikami: narzędzia, metody graficzne, statystyczne do oceny błędów publikacyjnych w syntezie.

Poz. 15: Ocena pewności dowodów

🎯 Narzędzia oceny

System oceny pewności (np. GRADE), rozważane czynniki, kryteria oceny

📊 Proces oceny

Reguły decyzyjne, interpretacja poziomów pewności, procesy raportowania

📊 WYNIKI

Poz. 16a: Selekcja badań (przepływ badań)

Diagram przepływu PRISMA: liczba rekordów zidentyfikowanych, przesiewanych, wykluczonych, pobieranych, włączonych do przeglądu.

Poz. 16b: Selekcja badań (wykluczone badania)

Cytowanie badań wykluczonych z wyjaśnieniem przyczyn wykluczenia.

Poz. 17: Charakterystyki badań

Cytowanie każdego włączonego badania i prezentacja jego kluczowych charakterystyk w tabeli lub rysunku.

Poz. 18: Ryzyko błędu systematycznego w badaniach

📋 Prezentacja ocen

Tabele/rysunki pokazujące ryzyko błędu w każdej domenie dla każdego badania

💬 Uzasadnienie

Uzasadnienie każdej oceny ryzyka, np. w formie cytatów z raportów

Poz. 19: Wyniki poszczególnych badań

Dla wszystkich wyników, dla każdego badania:

• Statystyki podsumowujące dla każdej grupy
• Oszacowanie efektu i jego precyzja (np. przedział ufności)
• Prezentacja tabelaryczna i wizualna wyników

Poz. 20a-d: Wyniki syntez

20a: Charakterystyki badań

Krótkie podsumowanie charakterystyk i ryzyka błędu w badaniach

20b: Wyniki syntez statystycznych

Oszacowania podsumowujące, precyzja, miary heterogeniczności

20c: Badanie heterogeniczności

Wyniki wszystkich badań przyczyn heterogeniczności

20d: Analizy wrażliwości

Wyniki wszystkich analiz wrażliwości

Poz. 21: Błędy publikacyjne

Oceny ryzyka błędów publikacyjnych dla każdej ocenianej syntezy, wykresy lejkowe, testy asymetrii.

Poz. 22: Pewność dowodów

Oceny pewności dowodów dla każdego ocenianego wyniku, wyjaśnienie przyczyn obniżenia/podwyższenia pewności.

💭 DYSKUSJA

Poz. 23a-d: Dyskusja

23a: Interpretacja

Ogólna interpretacja wyników w kontekście innych dowodów

23b: Ograniczenia dowodów

Ograniczenia dowodów włączonych do przeglądu

23c: Ograniczenia procesów przeglądu

Ograniczenia procesów przeglądowych i ich potencjalny wpływ

23d: Implikacje

Implikacje wyników dla praktyki, polityki i przyszłych badań

ℹ️ INNE INFORMACJE

Poz. 24a-c: Rejestracja i protokół

24a: Rejestracja

Informacje o rejestracji przeglądu

24b: Protokół

Gdzie można uzyskać dostęp do protokołu

24c: Zmiany

Opis zmian w stosunku do rejestracji/protokołu

Poz. 25: Wsparcie

Źródła wsparcia finansowego i niefinansowego dla przeglądu oraz rola fundatorów/sponsorów.

Poz. 26: Konflikty interesów

Deklaracja konfliktów interesów autorów przeglądu i sposób ich zarządzania.

Poz. 27: Dostępność danych i materiałów

Raportowanie dostępności: formularze zbierania danych, wyekstrahowane dane, dane analityczne, kod analityczny, inne materiały użyte w przeglądzie.

więcej

Usługi abstraktowania

W epoce nadmiaru informacji naukowej, gdzie codziennie publikowane są tysiące artykułów na całym świecie, zdolność do szybkiego przeszukiwania, selekcji i oceny przydatności źródeł staje się nieodzownym elementem pracy badawczej, edukacyjnej i eksperckiej. W tym kontekście coraz większego znaczenia nabierają usługi abstraktowania, które umożliwiają dostęp do streszczeń publikacji naukowych bez konieczności czytania ich pełnych wersji. Abstrakt – zwięzłe, informacyjne streszczenie – stanowi skrótowy opis zawartości artykułu, jego celów, metodologii, wyników i głównych wniosków. Usługi abstraktowania, często zintegrowane z bazami danych indeksującymi, stanowią narzędzie nie tylko wspierające wyszukiwanie literatury, ale także umożliwiające wstępną ocenę jakości i przydatności publikacji.

Do najbardziej znanych platform oferujących profesjonalne abstraktowanie należy Scopus (https://www.scopus.com), zarządzany przez Elsevier. Jest to jedna z największych baz interdyscyplinarnych, oferująca nie tylko streszczenia, ale także dane bibliometryczne, takie jak cytowania czy indeks H. Podobną funkcję spełnia Web of Science (https://www.webofscience.com), prowadzony przez Clarivate, który również dostarcza streszczeń oraz danych służących do analizy wpływu naukowego, w tym wskaźników Impact Factor i JCR. W dziedzinach humanistycznych i społecznych istotną rolę odgrywa PsycINFO (https://www.apa.org/pubs/databases/psycinfo), specjalistyczna baza prowadzona przez American Psychological Association, w której gromadzone są streszczenia artykułów, książek i rozpraw doktorskich z zakresu psychologii. W obszarze edukacji funkcję tę pełni ERIC (https://eric.ed.gov), finansowany przez rząd Stanów Zjednoczonych, który oferuje otwarty dostęp do streszczeń raportów i artykułów naukowych z szeroko rozumianego świata edukacji. Wreszcie w medycynie i naukach przyrodniczych najważniejszą usługą abstraktowania pozostaje PubMed (https://pubmed.ncbi.nlm.nih.gov), zarządzany przez National Library of Medicine. Platforma ta udostępnia streszczenia i metadane setek tysięcy publikacji z zakresu medycyny, biologii i nauk o zdrowiu, często wzbogacone o specjalistyczne słownictwo MeSH (Medical Subject Headings), co umożliwia precyzyjne przeszukiwanie literatury.

Korzystanie z usług abstraktowania niesie ze sobą liczne korzyści. Przede wszystkim pozwala zaoszczędzić czas, umożliwiając szybkie wyselekcjonowanie wartościowych publikacji.

Jest to szczególnie istotne w kontekście przygotowywania przeglądów systematycznych, prac przeglądowych czy wniosków grantowych, gdzie kluczowa jest orientacja w aktualnym stanie wiedzy.

Dodatkowo, dostęp do streszczeń pozwala zidentyfikować luki badawcze i trendy tematyczne, co wspiera planowanie nowych projektów i publikacji. Nie bez znaczenia jest też funkcja edukacyjna – usługi abstraktowania umożliwiają studentom i młodym badaczom szybkie zapoznanie się z różnorodnymi podejściami metodologicznymi i strukturą dobrych publikacji naukowych.

Mimo wielu zalet, należy również uwzględnić pewne ograniczenia tych usług. Abstrakty, z racji swojej zwięzłości, nie zawsze oddają złożoność metodologii ani szczegółowości analiz. Zdarza się też, że streszczenia są redagowane w sposób niejasny lub tendencyjny, co może prowadzić do błędnych interpretacji. Ponadto, dostęp do wielu baz danych (jak Scopus czy Web of Science) wymaga subskrypcji instytucjonalnych, co może ograniczać ich użyteczność w warunkach niezależnych badań czy pracy pozainstytucjonalnej.

Podsumowując, usługi abstraktowania stanowią jedno z kluczowych narzędzi zarządzania informacją naukową i praktyczną. Ich umiejętne wykorzystywanie wspiera nie tylko efektywność pracy badawczej, ale także jakość podejmowanych decyzji w oparciu o dowody. W erze przeciążenia informacyjnego są one nie tyle opcją, co koniecznością dla każdego, kto profesjonalnie pracuje z wiedzą

Bibliografia

1. Elsevier. (2024). Scopus. https://www.scopus.com
2. Clarivate. (2024). Web of Science. https://www.webofscience.com
3. American Psychological Association. (2024). PsycINFO. https://www.apa.org/pubs/databases/psycinfo
4. Institute of Education Sciences. (2024). ERIC - Education Resources Information Center. https://eric.ed.gov
5. National Library of Medicine. (2024). PubMed. https://pubmed.ncbi.nlm.nih.gov

więcej

Zbieranie wielu wyników w formacie RIS – Wykorzystanie narzędzi takich jak Publish or Perish (PoP)

Google Scholar to jedno z najpopularniejszych narzędzi do wyszukiwania literatury naukowej. Choć platforma nie oferuje bezpośrednio opcji masowego eksportu bibliografii, istnieje kilka metod, które pozwalają na łatwe zebranie wyników wyszukiwania w formacie RIS, a także na zarządzanie literaturą za pomocą zewnętrznych aplikacji. W tym artykule pokażemy, jak pobrać zbiorczo bibliografię z Google Scholar i przekształcić ją do formatu RIS, który jest użyteczny w dalszym procesie badawczym.

Google Scholar nie udostępnia natywnej opcji pobierania zbiorczo wszystkich wyników w formacie RIS, ale dostępne są narzędzia wspierające to zadanie. Jednym z najpopularniejszych jest Publish or Perish (PoP) – darmowa aplikacja służąca do pobierania cytowań z Google Scholar i eksportowania ich do różnych formatów, w tym RIS.

PoP pozwala na masowe pobranie danych z Google Scholar, dzięki czemu łatwo jest zebrać kilkadziesiąt, a nawet setki referencji w formacie RIS. Zotero i Mendeley, które także oferują integrację z Google Scholar i umożliwiają zbieranie cytatów w różnych formatach, w tym RIS.

Zrzut ekranu przeglądarki Publish or Perish

Zrzut ekranu przedstawia interfejs przeglądarki Publish or Perish (PoP), narzędzia wykorzystywanego do generowania listy publikacji na podstawie wyników wyszukiwania z Google Scholar. Widać na nim okno aplikacji, w którym widoczna jest lista wyników wyszukiwania, zawierająca tytuły artykułów, nazwiska autorów, źródła oraz inne dane bibliograficzne, takie jak rok publikacji i liczba cytowań. Ukazuje również opcje eksportu wyników do różnych formatów bibliograficznych, w tym do formatu RIS, który jest kompatybilny z narzędziami do zarządzania literaturą, takimi jak Citavi i Rayyan. Dodatkowo, na ekranie widoczna jest opcja dostosowywania wyników, co pozwala na precyzyjne filtrowanie i przeszukiwanie literatury według konkretnych kryteriów.

W procesie Systematic Literature Review

Dzięki funkcji exportu/importu użytkownik może łatwo przenieść zebraną literaturę do innych aplikacji wspomagających proces systematycznego przeglądu literatury, co zapewnia wygodną i efektywną organizację oraz selekcję publikacji. .

W procesie Systematic Literature Review (SLR) migracja między różnymi aplikacjami i narzędziami do zarządzania literaturą, takimi jak Google Scholar, Publish or Perish (PoP), Citavi czy Rayyan, jest istotnym etapem zapewniającym precyzyjność i rzetelność badania. 

Na początkowym etapie procesu, narzędzia takie jak Google Scholar czy Publish or Perish pozwalają na zebranie szerokiego zbioru materiałów, które mogą być użyteczne do badania. Jednak w miarę jak postępuje selekcja, migracja danych do bardziej zaawansowanych narzędzi, takich jak Citavi czy Rayyan, pozwala na bardziej precyzyjne oczyszczanie i filtrowanie wyników. Dzięki temu możliwe jest eliminowanie publikacji, które nie spełniają określonych kryteriów jakościowych, metodologicznych czy tematycznych, co zwiększa trafność przeglądu literatury.

Migracja danych między aplikacjami w SLR ma również kluczowe znaczenie w procesie organizacji i klasyfikacji literatury. Aplikacje takie jak Citavi umożliwiają klasyfikowanie wyników według różnych kategorii tematycznych, co pozwala na lepsze zrozumienie struktury zebranego materiału i ułatwia jego późniejszą analizę. Narzędzia takie jak Rayyan umożliwiają z kolei ocenę zgodności artykułów z przyjętymi kryteriami włączenia i wyłączenia, co pozwala na eliminowanie prac o niskiej jakości metodologicznej lub nieadekwatnych do tematu badania. Migracja danych w tym kontekście stanowi nie tylko etap techniczny, ale również pomaga w zachowaniu przejrzystości i spójności procesu przeglądu literatury.

więcej

Typy prac nad artykułem według CRediT (Contributor Roles Taxonomy)

CRediT (Contributor Roles Taxonomy) to norma stosowana w publikacjach naukowych, określająca indywidualny wkład autorów w projekt badawczy. Zapewnia kontrolowany słownik ról, który opisuje konkretną pracę każdego współpracownika, zapewniając przejrzystość i odpowiednie uznanie. Wydawnictwo Wiley podkreśla, że CRediT pozwala na bardziej niuansowe i dokładne przedstawienie zaangażowania każdego autora, wspierając uczciwe przypisywanie zasług.

Czasopisma wymagające CRediT umożliwią autorom podanie informacji o wkładzie w momencie przesyłania artykułu, co pozwala na uzyskanie szczegółowych informacji o indywidualnych rolach autorów. Jeśli informacje te nie zostaną podane przy przesyłaniu, mogą zostać uzupełnione na kolejnych etapach rewizji, ułatwione przez redakcję.

Autor przesyłający ponosi odpowiedzialność za to, by opisy wkładów były zgodne z rzeczywistością i zostały zaakceptowane przez wszystkich współautorów. Każdy autor powinien przejrzeć, omówić i zatwierdzić opis swojego wkładu. Ostateczne oświadczenie o wkładzie autorów zostaje opublikowane razem z artykułem i powinno dokładnie odzwierciedlać rzeczywisty podział pracy.

W przypadku artykułów jednoautorskich również zaleca się przypisanie odpowiednich ról, tak jak w publikacjach zespołowych. Pomaga to czytelnikom zrozumieć specjalizację autora i ułatwia identyfikację odpowiedzialności w przypadku ewentualnych wątpliwości po publikacji. Pojedynczy autor nie musi wypełniać wszystkich ról z listy CRediT – tylko te, które rzeczywiście realizował.

Klasyfikacja CRediT (Contributor Roles Taxonomy)

• Konceptualizacja (Conceptualization)  czyli pomysły; formułowanie lub ewolucja nadrzędnych celów i zadań badawczych.
• Data Curation czyli ekstrakcja istotnych informacji z tekstów naukowych, adnotacja, czyszczenie, konserwacja danych i metadanych do dalszego użycia.
• Analiza formalna (Formal Analysis). Stosowanie technik statystycznych, matematycznych lub obliczeniowych do analizy danych.
• Pozyskiwanie funduszy (Funding Acquisition)
• Analizy (Investigation). Prowadzenie badań, eksperymentów, zbieranie danych i dowodów.
• Metodologia (Methodology). Opracowanie metod, technik badawczych lub modeli.
• Administracja projektu (Project Administration): zarządzanie i koordynacja działań badawczych.
• Zasoby (Resources): dostarczanie materiałów, narzędzi badawczych, zasobów i próbek.
• Oprogramowanie (Software): tworzenie i implementacja kodu oraz programów komputerowych, testowanie oprogramowania.
• Nadzór (Supervision): nadzór nad realizacją projektu, mentoring.
• Walidacja (Validation): weryfikacja i ocena wiarygodności wyników lub danych.
• Wizualizacja (Visualization): tworzenie ilustracji, wykresów i graficznej reprezentacji danych.
• Pisanie – przygotowanie oryginalnego projektu (Writing – Original Draft): opracowanie pierwszej wersji manuskryptu, pisanie tekstu naukowego.
• Pisanie – przegląd i edycja (Writing – Review & Editing): krytyczna recenzja, poprawki i redakcja tekstu, w tym rewizje przed- i po-publikacyjne.

Źródło: https://authorservices.wiley.com/author-resources/Journal-Authors/open-access/credit.html [2025-05-08]

więcej