Po co robić SLR? Odkrycie, konieczność czy filtr?

Czy można dokonać ważnego odkrycia, nie przeprowadzając ani jednego nowego eksperymentu? Można. Czasami wystarczy uporządkować wyniki badań, które już przeprowadzono, ale których nikt dotąd nie zestawił w sposób systematyczny.

Wyobraźmy sobie, że przez kilkanaście lat naukowcy badają ten sam problem. Jedni uzyskują wyniki pozytywne, inni negatywne. Publikacji przybywa, eksperci formułują zalecenia, a praktycy wdrażają kolejne rozwiązania. Czy jednak wiemy, jakie wnioski wynikają z tych badań łącznie? Niekoniecznie.

Możemy dysponować setkami publikacji, a jednocześnie podejmować decyzje sprzeczne z dostępnymi dowodami.

Właśnie dlatego wykonuje się systematyczny przegląd literatury (Systematic Literature Review, SLR). Jego zadaniem nie jest gromadzenie możliwie największej liczby cytowań, lecz metodyczne wyszukiwanie, krytyczna ocena i synteza wyników badań odpowiadających na określone pytanie.

Czy SLR może prowadzić do odkryć? Historia nauki pokazuje, że tak. Nie zawsze jest to odkrycie nowego zjawiska. Niekiedy przełom polega na dostrzeżeniu znaczenia dowodów, które od dawna były dostępne.

1. Śmierć łóżeczkowa. Odkrycie, które mogło nastąpić wcześniej

Przez dziesięciolecia rodzicom zalecano układanie niemowląt do snu na brzuchu. Rekomendacja wydawała się rozsądna i była utrwalana przez autorytety medyczne. Tymczasem badania epidemiologiczne wskazywały na zwiększone ryzyko zespołu nagłej śmierci niemowląt (SIDS).

W 2005 roku Gilbert i współpracownicy przeprowadzili przegląd systematyczny badań oraz historycznych zaleceń. Wykazali, że już w 1970 roku połączone wyniki dostępnych badań wskazywały na istotnie podwyższone ryzyko związane ze spaniem na brzuchu. Iloraz szans wynosił 2,93 w porównaniu ze spaniem na plecach.

Autorzy oszacowali, że wcześniejsze rozpoznanie tego zagrożenia mogło potencjalnie zapobiec ponad 10 tysiącom zgonów niemowląt w Wielkiej Brytanii i co najmniej 50 tysiącom w Europie, Stanach Zjednoczonych i Australazji. Były to szacunki retrospektywne, a nie liczby bezpośrednio zaobserwowanych, unikniętych zgonów.

Znaczenie odkrycia: problemem nie był wyłącznie brak badań, lecz brak odpowiednio wczesnej syntezy ich wyników. Przegląd z 2005 roku pokazał, jak wiele można było dostrzec wcześniej (Gilbert i in., 2005).

2. Kortykosteroidy. Kiedy połączenie badań wzmacnia dowody skuteczności

Wcześniaki są szczególnie narażone na zaburzenia oddychania związane z niedojrzałością płuc. Już w latach siedemdziesiątych XX wieku badano podawanie kortykosteroidów kobietom zagrożonym przedwczesnym porodem.

Pojedyncze badania dostarczały ważnych informacji, ale dopiero ich systematyczne zestawianie pozwalało dokładniej oceniać korzyści i zagrożenia interwencji. Kolejne syntezy, w tym przegląd Cochrane opublikowany w 2020 roku, potwierdziły zmniejszenie ryzyka zespołu zaburzeń oddychania i zgonu noworodka w odpowiednio dobranych sytuacjach klinicznych.

Znaczenie odkrycia: synteza badań pomogła przekształcić wyniki eksperymentów w solidniejsze podstawy decyzji klinicznych. Nie odkryła samego działania leku, lecz pozwoliła lepiej ocenić jego rzeczywistą wartość (McGoldrick i in., 2020).

3. Kwas traneksamowy. Lek znany, ale jak skuteczny?

W medycynie ratunkowej czas ma szczególne znaczenie. U pacjentów z ciężkimi obrażeniami jednym z najważniejszych zagrożeń jest niekontrolowane krwawienie.

Kwas traneksamowy był już znany jako lek ograniczający krwawienie. Duże badanie CRASH-2 dostarczyło kluczowych dowodów jego skuteczności u pacjentów urazowych. Przegląd Cochrane z 2015 roku połączył wyniki badań randomizowanych obejmujących ponad 20 tysięcy pacjentów.

Wykazano około 10-procentowe względne zmniejszenie ryzyka zgonu. Istotny okazał się również czas podania leku: korzyści dotyczyły przede wszystkim wczesnego leczenia, a podanie po upływie trzech godzin mogło być nieskuteczne lub szkodliwe.

Znaczenie odkrycia: nie wystarczy ustalić, że interwencja działa. Trzeba jeszcze wiedzieć, kiedy działa i jakie są granice jej bezpieczeństwa (Ker i in., 2015).

4. Wyznaczanie celów. Popularność metody a wielkość efektu

Raport i publikacja

SLR Publication

Pełny przegląd i opracowanie projektu artykułu.

11 933,33 zł netto

Od dowodów naukowych do publikacji

Przenieśmy się z medycyny do zarządzania, edukacji i rozwoju człowieka. Wyznaczanie celów uchodzi za jedną z podstawowych technik wspierania zmiany zachowania. Ale jak silny jest jej efekt?

Metaanaliza opublikowana w czasopiśmie Journal of Consulting and Clinical Psychology objęła 141 publikacji, 384 oszacowania efektów i 16 523 uczestników. Średnia wielkość efektu wyniosła d = 0,34, co wskazuje na niewielki do umiarkowanego pozytywny wpływ wyznaczania celów na zachowanie.

Analizy wskazały również, że znaczenie mogą mieć właściwości celów, między innymi ich trudność, publiczne deklarowanie i grupowy charakter.

Znaczenie odkrycia: zamiast pytać wyłącznie, czy wyznaczanie celów działa, można badać, jakie warunki wzmacniają jego skuteczność. Wynik nie stanowi jednak automatycznego dowodu skuteczności dowolnego systemu zarządzania przez cele (Epton i in., 2017).

5. Odrobaczanie dzieci. Kiedy synteza kwestionuje oczekiwane korzyści

Programy masowego odrobaczania dzieci uzasadniano nie tylko korzyściami zdrowotnymi, lecz również oczekiwanym wzrostem frekwencji szkolnej, poprawą rozwoju fizycznego i osiągnięć edukacyjnych.

Przegląd Cochrane z 2019 roku wykazał, że regularne masowe podawanie leków przeciwpasożytniczych nie przynosi wyraźnych, przeciętnych korzyści w zakresie wzrostu, poziomu hemoglobiny, funkcji poznawczych czy wyników szkolnych. Dowody dotyczące frekwencji szkolnej pozostawały niepewne.

Nie oznacza to, że leczenie zakażeń pasożytniczych jest zbędne. Oznacza natomiast, że nie wszystkie korzyści przypisywane programom masowym zostały potwierdzone.

Znaczenie odkrycia: SLR może ujawnić nie tylko skuteczność interwencji, lecz również brak wystarczającego uzasadnienia dla części obietnic, na których opierają się decyzje publiczne i finansowe (Taylor-Robinson i in., 2019).

6. Insulinooporność. Czy diagnozujemy chorobę, czy wynik badania?

Insulinooporność nie istnieje? Takie stwierdzenie może zaskakiwać, zwłaszcza osoby, które otrzymały podobne rozpoznanie. Problem polega jednak na czymś innym. Insulinooporność jest rzeczywistym, dobrze udokumentowanym zjawiskiem biologicznym. Nie oznacza to, że stanowi odrębną jednostkę chorobową z powszechnie przyjętymi kryteriami diagnostycznymi.

W praktyce do jej oceny wykorzystuje się między innymi wskaźnik HOMA-IR, obliczany na podstawie stężenia glukozy i insuliny na czczo*. Problem? Nie istnieje jeden uniwersalny punkt odcięcia, który pozwalałby wiarygodnie rozpoznawać insulinooporność u wszystkich pacjentów. Wynik zależy między innymi od populacji, zastosowanej metody laboratoryjnej i przyjętych kryteriów.

W 2025 roku opublikowano systematyczny przegląd i metaanalizę dotyczącą rozpowszechnienia insulinooporności w populacji dorosłych. Autorzy wskazali na znaczną niejednorodność stosowanych metod i potrzebę standaryzacji kryteriów diagnostycznych.

Co więcej, zalecenia dotyczące diagnostyki laboratoryjnej cukrzycy wskazują, że rutynowe oznaczanie insuliny nie jest rekomendowane u większości osób z cukrzycą lub ryzykiem jej rozwoju.

Znaczenie odkrycia: istnienie zjawiska biologicznego nie przesądza o zasadności każdego sposobu jego diagnozowania. SLR może pomóc ustalić, czy stosowane kryteria są porównywalne, wiarygodne i klinicznie użyteczne. To szczególnie ważne tam, gdzie wokół diagnozy rozwija się rynek badań, konsultacji i interwencji zdrowotnych. 

7. Co te przykłady mówią o zarządzaniu?

Wspólnym mianownikiem przedstawionych przypadków nie jest medycyna ani statystyka. Jest nim problem podejmowania decyzji na podstawie fragmentarycznej wiedzy.

W organizacjach mechanizm bywa podobny. Firma wdraża szkolenie, ponieważ korzysta z niego konkurencja. Menedżer wybiera metodę, ponieważ poleca ją uznany ekspert. Instytucja inwestuje w program rozwojowy, ponieważ uczestnicy wysoko oceniają jego atrakcyjność.

Żadna z tych przesłanek nie jest jednak wystarczającym dowodem skuteczności.

Systematyczny przegląd literatury może pomóc ustalić, czy określona interwencja rzeczywiście przynosi oczekiwane rezultaty, jak silne są efekty, w jakich warunkach je zaobserwowano i na ile wiarygodne są dostępne badania.

W BHP może to oznaczać ocenę, czy szkolenia zmniejszają liczbę wypadków, a nie tylko zwiększają wiedzę uczestników. W edukacji — czy metoda poprawia trwałość uczenia się. W coachingu — czy deklarowane efekty znajdują potwierdzenie w badaniach. W zarządzaniu — czy popularna koncepcja organizacyjna ma podstawy empiryczne.

Nie każdy SLR musi przy tym dotyczyć skuteczności. Przeglądy mogą również porządkować definicje, porównywać modele teoretyczne, identyfikować mechanizmy i ujawniać luki w wiedzy.

8. Zanim rozpoczniemy kolejne badanie

Czy zawsze potrzebujemy nowych eksperymentów, ankiet i modeli teoretycznych? Niekoniecznie. Najpierw warto ustalić, czego można się dowiedzieć z badań już przeprowadzonych. Nie zawsze będzie to wystarczające. Istniejące badania mogą być niskiej jakości, nieporównywalne lub nieadekwatne do naszego pytania. Wtedy przegląd nie zastąpi nowego eksperymentu. Pozwoli jednak lepiej go zaprojektować i uzasadnić.

SLR nie jest też gwarancją prawdy. Jego wiarygodność zależy od jakości strategii wyszukiwania, kryteriów selekcji, oceny badań i metod syntezy.

Standard PRISMA 2020 wspiera przejrzystość raportowania, ale sam w sobie nie przesądza o jakości przeglądu (Page i in., 2021).

9. Odkrycie, konieczność czy filtr?

Odpowiedź brzmi: zależy od pytania i rezultatów.

Odkrycie — gdy synteza ujawnia zależność, której znaczenia nie dostrzeżono w pojedynczych badaniach.

Konieczność — gdy decyzje o poważnych konsekwencjach wymagają krytycznej oceny całego dostępnego materiału dowodowego.

Filtr — gdy trzeba oddzielić popularność koncepcji od jej empirycznego uzasadnienia.

Historia badań nad śmiercią łóżeczkową pokazuje, że przeoczenie istniejących dowodów może mieć tragiczne skutki. Przeglądy dotyczące kortykosteroidów i kwasu traneksamowego pokazują znaczenie syntezy dla praktyki klinicznej. Metaanaliza wyznaczania celów pozwala precyzyjniej oceniać popularne techniki zmiany zachowania. Przegląd programów odrobaczania przypomina natomiast, że brak potwierdzenia oczekiwanych korzyści również jest wartościowym wynikiem naukowym.

Przykład insulinooporności pokazuje jeszcze coś innego: nawet dobrze udokumentowane zjawisko biologiczne nie musi mieć jednoznacznych kryteriów rozpoznawania. Dlatego przed wprowadzeniem kolejnych testów, procedur i interwencji warto sprawdzić, czy ich użyteczność została dostatecznie potwierdzona.

Nie każda nowa publikacja zwiększa naszą zdolność rozumienia rzeczywistości. Czasami ważniejsze od przeprowadzenia kolejnego badania okazuje się ustalenie, co wynika z badań już opublikowanych.

Być może najważniejsze odkrycie zostało już opublikowane. Tylko jeszcze nie zestawiliśmy go z pozostałymi dowodami.

Bibliografia

1. Ballena-Caicedo, J., Zuzunaga-Montoya, F. E., Loayza-Castro, J. A., Bustamante-Rodríguez, J. C., Vásquez Romero, L. E. M., Tapia-Limonchi, R., Gutierrez De Carrillo, C. I., & Vera-Ponce, V. J. (2025). Global prevalence of insulin resistance in the adult population: A systematic review and meta-analysis. Frontiers in Endocrinology, 16, Article 1646258. https://doi.org/10.3389/fendo.2025.1646258
2. Czupryniak, L., Szymańska-Garbacz, E., Szczepanek-Parulska, E., Ruchała, M., & Płaczkiewicz-Jankowska, E. (2022). Insulinooporność w pytaniach i odpowiedziach. Insulinooporność jako pseudochoroba – powszechny problem w gabinecie diabetologa i endokrynologa. Medycyna Praktyczna, (1), 88–100. Rekord publikacji.
3. Epton, T., Currie, S., & Armitage, C. J. (2017). Unique effects of setting goals on behavior change: Systematic review and meta-analysis. Journal of Consulting and Clinical Psychology, 85(12), 1182–1198. https://doi.org/10.1037/ccp0000260
4. Gilbert, R., Salanti, G., Harden, M., & See, S. (2005). Infant sleeping position and the sudden infant death syndrome: Systematic review of observational studies and historical review of recommendations from 1940 to 2002. International Journal of Epidemiology, 34(4), 874–887. https://doi.org/10.1093/ije/dyi088
5. Ker, K., Roberts, I., Shakur, H., & Coats, T. J. (2015). Antifibrinolytic drugs for acute traumatic injury. Cochrane Database of Systematic Reviews, (5), Article CD004896. https://doi.org/10.1002/14651858.CD004896.pub4
6. McGoldrick, E., Stewart, F., Parker, R., & Dalziel, S. R. (2020). Antenatal corticosteroids for accelerating fetal lung maturation for women at risk of preterm birth. Cochrane Database of Systematic Reviews, (12), Article CD004454. https://doi.org/10.1002/14651858.CD004454.pub4
7. Page, M. J., et al. (2021). The PRISMA 2020 statement: An updated guideline for reporting systematic reviews. BMJ, 372, Article n71. https://doi.org/10.1136/bmj.n71
8. Sacks, D. B., Arnold, M., Bakris, G. L., Bruns, D. E., Horvath, A. R., Lernmark, Å., Metzger, B. E., Nathan, D. M., & Kirkman, M. S. (2023). Guidelines and recommendations for laboratory analysis in the diagnosis and management of diabetes mellitus. Diabetes Care, 46(10), e151–e199. https://doi.org/10.2337/dci23-0036
9. Taylor-Robinson, D. C., Maayan, N., Donegan, S., Chaplin, M., & Garner, P. (2019). Public health deworming programmes for soil-transmitted helminths in children living in endemic areas. Cochrane Database of Systematic Reviews, (9), Article CD000371. https://doi.org/10.1002/14651858.CD000371.pub7

* Wskaźnik ma podstawy fizjologiczne i zastosowania badawcze, ale nie istnieje jeden uniwersalny próg diagnostyczny właściwy dla wszystkich populacji. Nie rekomendujemy żadnych badań, metod diagnostycznych, sposobów leczenia ani interwencji zdrowotnych. Ich zasadność wymaga indywidualnej oceny przez uprawnionego specjalistę.

więcej

Czego można dowiedzieć się z samego abstraktu?

Abstrakt jest najczęściej czytaną częścią artykułu naukowego. To na jego podstawie czytelnik decyduje, czy warto sięgnąć po pełny tekst, a recenzent lub badacz wstępnie ocenia jakość i użyteczność publikacji. Choć liczy zwykle od 150 do 250 słów, dobry abstrakt powinien dostarczać informacji o celu badań, zastosowanej metodzie, najważniejszych wynikach oraz wkładzie teoretycznym. Dlatego umiejętność analizy streszczeń jest jedną z podstawowych kompetencji badacza. 

Co powinien zawierać dobry abstrakt? 

W klasycznym ujęciu abstrakt odpowiada na cztery pytania: co badano, dlaczego to badano, jak przeprowadzono badanie oraz jakie uzyskano rezultaty. Czytelnik powinien być w stanie zrozumieć problem badawczy, poznać ogólną metodę badania i ocenić znaczenie przedstawionych wyników, nawet jeśli nie ma dostępu do pełnego artykułu. Brak któregoś z tych elementów obniża wartość informacyjną streszczenia. 

Co można ocenić na podstawie samego streszczenia? 

Nawet krótki abstrakt pozwala na wstępną ocenę jakości projektu badawczego. Przede wszystkim umożliwia sprawdzenie, czy autor jasno określił przedmiot badań, czy wyniki wynikają z przedstawionego problemu oraz czy deklarowany wkład naukowy jest rzeczywiście widoczny. Dobrze skonstruowane streszczenie pokazuje logiczny związek między pytaniem badawczym, metodą i wnioskami. 

Analizując abstrakt, warto zwrócić uwagę na proporcje między jego częściami. Nadmierne eksponowanie wyników przy jednoczesnym pomijaniu metodologii utrudnia ocenę wiarygodności badań. Z kolei szczegółowy opis procedury bez wskazania znaczenia uzyskanych rezultatów osłabia wartość poznawczą tekstu. 

Najczęstszy problem: brak metodologii 

Jednym z najczęściej spotykanych mankamentów abstraktów jest zbyt ogólny opis sposobu prowadzenia badań. Czytelnik dowiaduje się, czego dotyczyło badanie i jakie były jego wyniki, ale nie otrzymuje informacji, czy zastosowano studium przypadku, wywiady, analizę dokumentów, badanie ankietowe czy inną metodę. W efekcie trudno ocenić, na ile przedstawione wnioski są uzasadnione zgromadzonym materiałem empirycznym. 

Nawet jedno zdanie wskazujące metodę badawczą znacząco zwiększa przejrzystość streszczenia. Informuje ono czytelnika o charakterze danych i pozwala lepiej zrozumieć zakres możliwych uogólnień.

Dlaczego warto krytycznie czytać abstrakty? 

W dobie ogromnej liczby publikacji naukowych abstrakt pełni funkcję filtra. Pozwala szybko identyfikować teksty wartościowe oraz odrzucać te, które nie odpowiadają naszym potrzebom badawczym. Jednocześnie streszczenie nie powinno być traktowane wyłącznie jako skrót artykułu. Jest ono również wizytówką jakości całego projektu badawczego i świadectwem umiejętności komunikacyjnych autora. 

Wnioski 

Analiza abstraktu stanowi użyteczne narzędzie wstępnej oceny publikacji naukowej. Dobre streszczenie powinno jasno przedstawiać cel badania, metodę, wyniki oraz wkład teoretyczny. Szczególną uwagę warto zwracać na obecność informacji metodologicznych, ponieważ to właśnie ich brak najczęściej ogranicza możliwość rzetelnej oceny jakości badań. Umiejętność krytycznego czytania abstraktów pozwala skuteczniej selekcjonować literaturę i szybciej identyfikować wartościowe opracowania naukowe.

więcej

Szkolenie „Systematyczny przegląd literatury (SLR) z wykorzystaniem aplikacji Rayyan”

Systematyczny przegląd literatury (SLR – Systematic Literature Review) jest metodą badawczą umożliwiającą uporządkowaną, transparentną i możliwą do odtworzenia identyfikację, selekcję, analizę oraz syntezę wyników badań naukowych. Znajduje zastosowanie zarówno w działalności akademickiej, jak i w praktyce organizacji poszukujących rozwiązań opartych na dowodach naukowych (Evidence-Based Management).

Celem szkolenia jest praktyczne przygotowanie uczestników do samodzielnego zaplanowania i przeprowadzenia systematycznego przeglądu literatury z wykorzystaniem baz Scopus i Web of Science oraz platformy Rayyan, wspomagającej organizację i selekcję publikacji naukowych. Szczególny nacisk położono na dokumentowanie decyzji metodologicznych, ograniczanie błędów selekcji oraz raportowanie zgodne ze standardami PRISMA 2020 i PRISMA-S.

Szkolenie ma charakter warsztatowy. Uczestnicy poznają kolejne etapy SLR, od sformułowania problemu badawczego po przygotowanie wyników do publikacji naukowej lub wykorzystania w procesach decyzyjnych.

Program ramowy:

1. Podstawy metodologiczne SLR: cele, zastosowania oraz różnice między przeglądem systematycznym, narracyjnym, zakresowym (scoping review) i analizą bibliometryczną.
2. Problem i pytania badawcze: określenie przedmiotu przeglądu, zakresu analizy, pytań badawczych oraz kryteriów operacjonalizacji.
3. Protokół SLR: planowanie procedury badawczej, kryteria włączenia i wyłączenia, dokumentowanie decyzji oraz postępowanie w przypadku odstępstw od przyjętego protokołu.
4. Strategia wyszukiwania: konstruowanie zapytań z operatorami logicznymi, dobór słów kluczowych, synonimów i pól wyszukiwania w bazach Scopus oraz Web of Science.
5. Pilotaż strategii: testowanie zapytań, ocena trafności wyników, identyfikacja publikacji kotwiczących oraz doskonalenie strategii wyszukiwania.
6. Rayyan – przygotowanie projektu: zakładanie przeglądu, import rekordów bibliograficznych, organizacja zbioru oraz identyfikacja duplikatów.
7. Rayyan – screening I: selekcja publikacji na podstawie tytułów i abstraktów, decyzje Include, Exclude i Maybe, stosowanie etykiet oraz powodów wykluczenia.
8. Rayyan – screening II: organizacja oceny pełnych tekstów, weryfikacja kryteriów kwalifikacji oraz dokumentowanie powodów wykluczenia.
9. PRISMA 2020: dokumentowanie przepływu rekordów i publikacji, opracowanie diagramu PRISMA oraz raportowanie strategii wyszukiwania zgodnie z PRISMA-S.
10. Ekstrakcja danych: projektowanie arkusza ekstrakcyjnego, identyfikacja danych bibliograficznych, metodologicznych i merytorycznych oraz przygotowanie materiału do analizy.
11. Ocena jakości i synteza: dobór metod oceny jakości badań, kodowanie wyników, identyfikacja podobieństw i rozbieżności oraz synteza narracyjna i tematyczna.
12. Raportowanie i publikacja: przedstawienie wyników, ograniczeń przeglądu, luk badawczych oraz przygotowanie struktury artykułu naukowego lub raportu eksperckiego.

Efekty uczenia się

Po ukończeniu szkolenia uczestnik będzie potrafił zaprojektować protokół SLR, opracować i przetestować strategię wyszukiwania, zorganizować selekcję publikacji w Rayyanie, przygotować dokumentację procesu zgodną z PRISMA oraz zaplanować ekstrakcję i syntezę danych. Zakres samodzielnie wykonanych czynności zależy od czasu trwania warsztatu.

Adresaci szkolenia

Pracownicy naukowi, doktoranci, studenci przygotowujący prace dyplomowe, zespoły badawcze, analitycy, konsultanci oraz osoby zajmujące się zarządzaniem opartym na dowodach naukowych.

Zapytaj o szkolenie indywidualne
Zapytaj o szkolenie grupowe
Systematyczny przegląd literatury – więcej informacji

Cena: do uzgodnienia lub barter
Język szkolenia: polski
Forma: online lub stacjonarnie
Poziom:zaawansowany
Czas trwania: do uzgodnienia, zależnie od zakresu warsztatu

Zaświadczenie: możliwość wydania zaświadczenia o ukończeniu szkolenia. Dokumentacja zgodna z przepisami dotyczącymi kształcenia ustawicznego w formach pozaszkolnych, jeżeli dana forma szkolenia spełnia wymagania tych przepisów.

Trener: Piotr Janulek – doktor nauk społecznych w dyscyplinie nauki o zarządzaniu i jakości. Przedsiębiorca od 1997 roku, edukator i badacz zainteresowany metodologią badań, innowacyjnymi modelami biznesu oraz zarządzaniem opartym na dowodach naukowych. Zajmuje się praktycznym zastosowaniem systematycznych przeglądów literatury, w tym wykorzystaniem platformy Rayyan, baz Scopus i Web of Science oraz standardów PRISMA.

więcej

Raport wg PRISMA 2000

Zgodnie z podejściem przyjętym w wytycznych PRISMA 2020, raport to dokument — w formie papierowej lub elektronicznej — który przedstawia rzetelnie udokumentowane informacje dotyczące konkretnego badania, procesu analitycznego lub wytworzonych danych. Może przyjmować różne formy, takie jak: artykuł naukowy, preprint, abstrakt konferencyjny, zapis w rejestrze badań, raport z badań klinicznych, rozprawa akademicka, nieopublikowany manuskrypt, dokument rządowy lub inny materiał zawierający istotne treści odnoszące się do badanego zjawiska. W PRISMA 2020 każdy z tych materiałów jest traktowany jako potencjalne źródło dowodów, które może zostać włączone do procesu przeglądu. W kontekście Systematycznego Przeglądu Literatury (SLR) raport stanowi podstawową jednostkę analizy, ponieważ:

• dostarcza dowodów pierwotnych lub wtórnych,
• dokumentuje metody, wyniki i wnioski badań,
• umożliwia ocenę jakości i wiarygodności źródeł,
• stanowi podstawę do syntetyzowania dowodów zgodnie z procedurami PRISMA 2020, w tym do tworzenia przeglądów narracyjnych, ilościowych lub mieszanych.

W ujęciu Evidence-Based Management (EBM) raport pełni funkcję:

• nośnika wiedzy opartej na dowodach,
• źródła wykorzystywanego w procesie podejmowania decyzji menedżerskich,
• materiału umożliwiającego ocenę wiarygodności, trafności i przydatności informacji dla praktyki organizacyjnej.

Artykuł jest jedynie jedną z możliwych form prezentacji wyników badań, natomiast raport odwołuje się do funkcji dokumentacyjnej — zawiera rzetelnie opisane metody, wyniki i wnioski, niezależnie od tego, czy przyjął formę artykułu, preprintu, rejestru badania, rozprawy czy dokumentu instytucjonalnego.

W obu podejściach — SLR i EBM — raport nie jest zatem jedynie tekstem informacyjnym. Jest transparentnym, uporządkowanym i metodycznie udokumentowanym sprawozdaniem z badania, które umożliwia ocenę jakości pracy badawczej, replikację lub ponowną interpretację wyników oraz ich wykorzystanie w procesach decyzyjnych opartych na dowodach.

Zgodnie z zasadami PRISMA 2020 każdy dokument raportujący wyniki badań — niezależnie od formy publikacji — powinien zawierać jasno opisane, przejrzyste i wystarczające do replikacji informacje dotyczące przebiegu procesu badawczego. PRISMA nie narzuca konkretnego układu (np. IMRaD), ale wymaga, aby raport umożliwiał odbiorcy ocenę wiarygodności i jakości badania.

Źródło

Page Matthew J., McKenzie Joanne E., Bossuyt Patrick M., Boutron Isabelle, Hoffmann Tammy C., Mulrow Cynthia D., Shamseer Larissa, Tetzlaff Jennifer M., Akl Elie A., Brennan Sue E., Chou Roger, Glanville Julie, Grimshaw Jeremy M., Hróbjartsson Asbjørn, Lalu Manoj M., Li Tianjing, Loder Elizabeth W., Mayo-Wilson Evan, McDonald Steve, McGuinness Luke A., Stewart Lesley A., Thomas James, Tricco Andrea C., Welch Vivian A., Whiting Penny, Moher David, The PRISMA 2020 statement: an updated guideline for reporting systematic reviews, „BMJ (Clinical research ed.)“, R. 372 2021, n71.

więcej

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

Determinanty zastosowania koncepcji Zarządzania dowodowego dla wyjaśniania bytów ontologicznych w naukach o zarządzaniu i jakości

„Kwartalnik Nauk o Przedsiębiorstwie“ 4 (2024), s. 115–135. https://doi.org/10.33119/KNoP.2024.74.4.8 

Celem artykułu jest wskazanie kluczowych determinant badania bytów ontologicznych w naukach o zarządzaniu jakości z zastosowaniem koncepcji Evidence Based Practice. Jako źródła danych dla przeprowadzenia badań i rozważań naukowych wykorzystano pozyskane wyniki z krytycznego przeglądu literatury w zakresie bytów ontologicznych definiowanych w zakresie paradygmatów w dyscyplinie nauki o zarządzaniu i jakości. Jako metodę badawczą zastosowano analizę krytyczną dotychczasowych badań z zakresu podjętego tematu, który pozwolił na stwierdzenie statusu obecnych badań (i wiedzy) odnośnie do opracowanego tematu i luki poznawczej w zakresie determinant zastosowania koncepcji Zarządzania dowodowego dla wyjaśniania bytów ontologicznych w naukach o zarządzaniu i jakości. Dowiedziono, że zastosowanie systematycznych przeglądów literatury (SPL), metaanaliz, oceny literatury szarej i innych metod badawczych może na bazie doświadczeń branży medycznej z powodzeniem być wykorzystane w obszarze dyscypliny nauki o zarządzaniu i jakości. Procesy badawcze oparte na poszukiwaniu dowodów naukowych z przeglądów wielu pozycji literaturowych zamieszczonych w bazach danych masowych pozwalają na poznanie naukowe znacznie szersze niż otrzymywane dotychczas w ramach klasycznego krytycznego przeglądu literatury. Wskazano, że deficyt wiedzy menedżerów w zakresie bytów ontologicznych osadzonych w określonych paradygmatach naukowych dyscypliny nauki o zarządzaniu i jakości utrudnia wykorzystanie metody zarządzania na podstawie dowodów naukowych. Zwiększająca się dostępność dużych zbiorów danych naukowych w postaci raportów z badań pozwala w lepszym stopniu poznać pojęcia i definicje, a także dowody (wyniki badań naukowych) i zastosować je powszechnie w procesach zarządczych. Wskazano, że zarządzanie dowodowe może być skuteczne, gdyż bardzo często menedżerowie nie potrafią rozpoznać bytów ontologicznych, którymi zarządzają, jak i nie znają ontologicznego znaczenia swoich decyzji w biznesie. Metoda Evidence Based Practice oparta na pozyskiwaniu dowodów naukowych na podstawie danych masowych w skuteczny sposób może wspierać nie tylko badaczy w dyscyplinie nauki o zarządzaniu i jakości, ale także menedżerów w ich zarządzaniu organizacjami.

RIS, Pdf

więcej

Narzędzia wspomagające przeglądy systematyczne i text mining przy użyciu AI

Porządkowanie wiedzy naukowej oraz jej udostępnianie zarówno ludziom, jak i maszynom, stanowi fundament współczesnego rozwoju nauki. W dobie dynamicznego rozwoju nauki i technologii, przeglądy systematyczne odgrywają kluczową rolę w syntezie dostępnej wiedzy na dany temat. Ręczne przeprowadzanie takich przeglądów może być czasochłonne i podatne na błędy, dlatego coraz częściej wykorzystuje się narzędzia oparte na sztucznej inteligencji (AI), które automatyzują i usprawniają ten proces. Poniżej przedstawiono przegląd wybranych narzędzi AI, które wspomagają przeglądy systematyczne i text mining.

Abstrackr

Abstrackr to narzędzie wspierające przeglądy systematyczne poprzez automatyczne oznaczanie abstraktów, ułatwiające proces selekcji odpowiednich badań do przeglądu.

AISeer

AISeer wykorzystuje sztuczną inteligencję do automatycznego kodowania i analizy tekstu, wspierając badaczy w przeglądach systematycznych i identyfikacji istotnych informacji.

ASReview

ASReview to narzędzie wspomagające przeglądy systematyczne, które wykorzystuje algorytmy uczenia maszynowego do przyspieszenia procesu selekcji literatury.

Covidence

Covidence to platforma do zarządzania przeglądami systematycznymi, która oferuje funkcje automatyzacji procesów, takie jak importowanie i sortowanie danych oraz deduplikacja.

DistillerSR

DistillerSR to narzędzie do przeglądów systematycznych, które automatyzuje procesy zbierania danych i ułatwia analizę dużych zestawów danych.

EPPI-Reviewer

EPPI-Reviewer to zaawansowane narzędzie wspierające przeglądy systematyczne, które oferuje funkcje text miningu i automatycznego kodowania tekstów naukowych.

Kira Systems

Kira Systems to narzędzie do analizy dokumentów wykorzystujące AI do identyfikacji istotnych informacji, co może być użyteczne w badaniach naukowych i przeglądach literatury.

Litmaps

Litmaps to narzędzie, które pozwala na śledzenie publikacji naukowych i mapowanie powiązań między nimi, ułatwiając badaczom identyfikację trendów w literaturze.

PICO Portal

PICO Portal to narzędzie wspomagające przeglądy systematyczne, które automatyzuje procesy selekcji literatury i kodowania danych na podstawie modelu PICO (Pacjent, Interwencja, Kontrola, Wynik).

Rayyan

Rayyan to aplikacja do przeglądów systematycznych, która pozwala na szybkie i efektywne sortowanie oraz kodowanie artykułów przy użyciu funkcji wspomaganych przez AI.

RobotAnalyst

RobotAnalyst to narzędzie do przeglądów systematycznych, które wykorzystuje algorytmy AI do przyspieszenia procesu selekcji i analizy literatury.

Scholarcy

Scholarcy to asystent badań naukowych, który pomaga skracać dokumenty badawcze, tworzyć streszczenia i identyfikować kluczowe informacje.

ScreenIT

ScreenIT to narzędzie wspomagające przeglądy literatury naukowej, które wykorzystuje AI do automatycznego wykluczania nieistotnych prac, co przyspiesza proces selekcji.

Semantic Scholar

Semantic Scholar to zaawansowana wyszukiwarka literatury naukowej, która korzysta z technologii AI do analizy tekstu i sugerowania powiązanych badań.

Syntheses Automation

Syntheses Automation to narzędzie do automatyzacji przeglądów systematycznych przy użyciu technik sztucznej inteligencji, które wspiera procesy zbierania, sortowania i analizowania danych.

Text-Mining Tools

Text-Mining Tools to różne narzędzia wspierające analizę tekstu przy użyciu technik sztucznej inteligencji, które mogą być wykorzystywane do przeglądów systematycznych i analizy literatury.

Wnioski i ograniczenia

Narzędzia oparte na AI znacznie usprawniają proces przeglądów systematycznych i text miningu, redukując czas i wysiłek potrzebny do selekcji i analizy literatury. Dzięki zaawansowanym algorytmom i automatyzacji, badacze mogą skupić się na interpretacji danych i formułowaniu wniosków, zamiast na żmudnych zadaniach manualnych.

Pomimo wielu zalet, narzędzia oparte na AI nie są pozbawione ograniczeń. Wymagają one odpowiedniego szkolenia i konfiguracji, a ich skuteczność zależy od jakości i ilości danych wejściowych. Ponadto, w niektórych przypadkach mogą wystąpić błędy w klasyfikacji lub kodowaniu, co może wpływać na wyniki przeglądów systematycznych.

Zakończenie

Wykorzystanie narzędzi AI w przeglądach systematycznych i text miningu staje się coraz bardziej powszechne i niezbędne w nowoczesnych badaniach naukowych. Oferują one znaczące korzyści w postaci oszczędności czasu, zwiększenia efektywności i dokładności analiz. W miarę dalszego rozwoju technologii, można spodziewać się, że narzędzia te będą coraz bardziej zaawansowane i szeroko dostępne dla badaczy na całym świecie.

więcej

Kanwa Procesu Systematycznego Przeglądu Literatury (SLR)

Zaletą kanwy jest jej prostota i przejrzystość, ponieważ skupia się na kluczowych elementach procesu na jednej stronie.

Kanwa Procesu Systematycznego Przeglądu Literatury (SLR)

^{Narzędzie, które pomaga w zorganizowany sposób przeprowadzić SLR.}

Etap 1: Określenie pytania badawczego Określenie głównego pytania badawczego Skompletowanie zespołu Identyfikacja obszaru tematycznego Zdefiniowanie zakresu i granic przeglądu literatury	Etap 2: Wybór kryteriów włączenia/wyłączenia Określenie kryteriów jakościowych i tematycznych Ustalenie kryteriów daty publikacji, języka, rodzaju publikacji Definicja metodologii badawczej	Etap 3: Wyszukiwanie literatury Wyszukiwanie artykułów w bazach danych Selekcja publikacji na podstawie ustalonych kryteriów Rejestracja wyników wyszukiwania	Etap 4: Selekcja i ocena jakości Przegląd i selekcja pełnych tekstów Ocena jakości metodologii badań Weryfikacja ryzyka biasu	Etap 5: Analiza danych Analiza jakościowa i/lub ilościowa wyników badań Podsumowanie i kategoryzacja wyników Identyfikacja trendów i luk badawczych
Etap 6: Wnioski i publikacja Podsumowanie wyników przeglądu literatury Wnioski z analizy i sugestie na przyszłość Przygotowanie raportu końcowego Przesłanie artykułu do czasopisma naukowego Publikacja wyników przeglądu

CC BY-NC-ND 4.0

Kanwa procesu Systematycznego Przeglądu Literatury (SLR) to narzędzie, które pomaga w zorganizowany sposób przeprowadzić przegląd istniejącej literatury na określony temat.

więcej