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

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