Dowody naukowe

Dowody naukowe są fundamentalnym narzędziem w podejmowaniu decyzji w wielu dziedzinach. Ich rola w kształtowaniu polityk, praktyk i innowacji jest nieoceniona, pod warunkiem że są odpowiednio interpretowane i stosowane.

Współczesne rozumienie dowodów naukowych jest bardziej złożone i wymaga uwzględnienia wielu czynników, nie tylko typu badania. Zwraca uwagę na potrzebę elastycznego podejścia do oceny jakości dowodów i ich zastosowania w praktyce klinicznej.

Obecnie postuluje się odejście od prostej hierarchii dowodów, wprowadzenie systemu GRADE, nową rolę przeglądów systematycznych, implikacje dla praktyki klinicznej oraz wyzwania edukacyjne związane z implementacją dowodów naukowych w organizacjach.

Dowody naukowe to informacje zebrane na podstawie badań naukowych, które są przeprowadzane w sposób systematyczny i kontrolowany. Aby uznać dane za dowody naukowe, muszą one spełniać kilka kluczowych kryteriów:

1. Obiektywność i bezstronność: badania muszą być prowadzone w sposób niezależny, bez wpływu interesów finansowych czy osobistych badaczy.
2. Replikowalność: wyniki badań muszą być możliwe do powtórzenia przez innych badaczy, co potwierdza ich wiarygodność.
3. Recenzja naukowa (peer-review): przed publikacją, badania są oceniane przez innych ekspertów w danej dziedzinie, co pomaga weryfikować ich jakość i rzetelność.
4. Profesjonalny konsensus: wyniki badań są akceptowane przez społeczność naukową jako wiarygodne i istotne.

Dowody naukowe są podstawą do podejmowania decyzji w wielu dziedzinach, takich jak medycyna, inżynieria, polityka publiczna i wiele innych. Ich rola jest nie do przecenienia z kilku powodów:

• Redukcja błędów i uprzedzeń: rygorystyczne metody naukowe pomagają minimalizować wpływ osobistych przekonań i błędów poznawczych na wyniki badań.
• Postęp wiedzy: systematyczne gromadzenie i analizowanie dowodów naukowych pozwala na ciągłe poszerzanie naszej wiedzy i zrozumienia świata.
• Efektywność działań: w obszarach takich jak medycyna czy polityka publiczna, decyzje oparte na dowodach naukowych prowadzą do bardziej skutecznych interwencji i lepszych wyników.
• Innowacje: w inżynierii i technologii, dowody naukowe są podstawą do tworzenia nowych, bardziej efektywnych rozwiązań.
• Rozwiązywanie złożonych problemów: w obliczu globalnych wyzwań, takich jak zmiana klimatu czy pandemie, dowody naukowe są kluczowe dla opracowania skutecznych strategii.

Warto jednak pamiętać, że mimo swojej ogromnej wartości, dowody naukowe nie są wolne od ograniczeń. Nauka jest procesem ciągłym, a nasza wiedza ewoluuje wraz z nowymi odkryciami. Dlatego ważne jest, aby:

• Krytycznie analizować dowody naukowe
• Być otwartym na nowe informacje i perspektywy
• Rozumieć kontekst, w jakim dowody zostały zebrane
• Uwzględniać etyczne implikacje wyników badań naukowych

Typy dowodów ukazuje ich hierarchia. Opinie eksperckie (1) są uważane za najsłabsze a przeglądy systematyczne są uważane za najwyższą formę dowodu. Warto jednak pamiętać, że każdy typ dowodu może mieć swoje miejsce w procesie badawczym, w zależności od konkretnego pytania badawczego i dostępnych zasobów. 

Dowód anegdotyczny obejmuje konkretne zdarzenie, podczas gdy dowód statystyczny składa się z arytmetycznego podsumowania serii przypadków. Dowód przyczynowy obejmuje wyjaśnienie wystąpienia efektu; wreszcie dowód ekspercki obejmuje opinię jednego lub większej liczby ekspertów. Ogólnie rzecz biorąc, dowód anegdotyczny jest uznawany za oparty na osobistym doświadczeniu, a anegdoty składają się z krótkich opowiadań lub narracji, których celem jest przedstawienie pewnego punktu widzenia.

Źródła:
(1) Robert Atenstaedt, Should we continue pairing the term ‘anecdotal’ with evidence?, „The British Journal of General Practice“ 689/69 (2019), s. 596.

więcej

LSR vs. CMA

Eksperymentalny pojedynek między LSR (Live Systematic Review) a meta-analizą skumulowaną byłby fascynujący, ponieważ oba podejścia mają unikalne cechy i cele w kontekście syntezowania wyników z wielu badań. Oto kilka kluczowych aspektów, które można by porównać:

1. Metodologia:

• LSR (Live Systematic Review): jest to przegląd systematyczny, który jest na bieżąco aktualizowany w miarę pojawiania się nowych badań. Dzięki automatyzacji i regularnym aktualizacjom, LSR umożliwia ciągłe monitorowanie literatury i szybkie włączanie nowych danych.
•  Meta-analiza skumulowana: łączy wyniki wielu badań za pomocą technik statystycznych w celu uzyskania uśrednionego efektu. Jest to bardziej statyczne podejście, które zazwyczaj obejmuje zestaw badań dostępnych w momencie przeprowadzania analizy.

2. Aktualność:

• LSR: pozwala na niemal natychmiastowe aktualizacje w miarę publikacji nowych badań, co sprawia, że jest to bardzo aktualne źródło informacji.
• Meta-analiza skumulowana: jest zazwyczaj aktualizowana rzadziej, co może prowadzić do opóźnień w uwzględnianiu najnowszych badań.

3. Precyzja wyników:

• LSR: może dostarczać ciągle aktualizowanych wyników, co jest szczególnie użyteczne w dynamicznie rozwijających się dziedzinach.
• Meta-analiza skumulowana: dzięki statystycznemu łączeniu wyników wielu badań, oferuje bardziej precyzyjne oszacowania efektów, ale może być mniej aktualna.

4. Skala i złożoność:

•  LSR: wymaga zaawansowanych narzędzi do automatyzacji i zarządzania danymi, co może być skomplikowane i kosztowne w utrzymaniu.
•  Meta-analiza skumulowana: jest bardziej skoncentrowana na precyzyjnej analizie statystycznej, co może być bardziej czasochłonne przy dużej liczbie badań, ale mniej wymagające pod względem ciągłego zarządzania danymi.

5. Przydatność i zastosowanie:

• LSR: bardzo użyteczne w kontekstach, gdzie ważna jest bieżąca informacja, np. w medycynie czy naukach przyrodniczych, gdzie nowe odkrycia mogą mieć natychmiastowe zastosowanie kliniczne.
• Meta-analiza skumulowana: idealna do uzyskiwania mocnych dowodów na podstawie istniejących badań i formułowania ogólnych wniosków, co jest kluczowe w naukach społecznych czy polityce zdrowotnej.

Porównanie tych dwóch metod w eksperymentalnym pojedynku mogłoby dostarczyć cennych informacji o ich efektywności, użyteczności w różnych kontekstach oraz potencjalnych zaletach i ograniczeniach każdej z nich.

więcej

Narzędzia i platformy wspierające żywe przeglądy systematyczne

Żywy przegląd systematyczny (Living Systematic Review) z użyciem sztucznej inteligencji (AI) to nowoczesne podejście do dynamicznego zarządzania i aktualizowania przeglądów literatury. Integracja AI w tym kontekście może znacznie zwiększyć efektywność i precyzję przeglądów systematycznych.

W firmach badawczo-rozwojowych, AI może wspierać żywe przeglądy systematyczne dotyczące innowacji technologicznych, umożliwiając szybkie wprowadzenie nowych badań do analizy i dostosowanie strategii rozwoju produktów na podstawie najnowszych informacji.

Integracja AI w żywym przeglądzie systematycznym może znacznie poprawić efektywność i precyzję analizy literatury, umożliwiając ciągłe aktualizowanie wyników, automatyczne wydobywanie danych, ocenę jakości badań i generowanie raportów. Dzięki temu, decyzje oparte na przeglądzie są bardziej aktualne i precyzyjne.

Narzędzia i platformy wspierające żywe przeglądy systematyczne:

• Covidence: platforma do zarządzania procesem przeglądu systematycznego, wspiera zarządzanie wyszukiwaniem, selekcją i ekstrakcją danych, a także oceną jakości badań.
• Rayyan: narzędzie do wspomagania procesu przeglądu systematycznego i selekcji badań, oferuje funkcje wspierające oznaczanie i ocenę badań oraz współpracę zespołową.
• EPPI-Reviewer: oprogramowanie do zarządzania przeglądami systematycznymi, umożliwiające przetwarzanie danych, ocenę jakości i metaanalizę, z opcjami automatyzacji niektórych procesów.
• DistillerSR: Platforma do przeglądów systematycznych, która wspiera procesy takie jak wyszukiwanie, selekcja i ocena badań, oferując zaawansowane funkcje analityczne i automatyzację.

więcej

To jest żywy przegląd systematyczny

Żywy przegląd systematyczny (Living Systematic Review) to dynamiczny i aktualizowany w czasie rzeczywistym przegląd literatury, który regularnie wprowadza nowe dane i badania, co pozwala na ciągłą aktualizację wyników i wniosków. Oto kluczowe cechy, kroki oraz przykłady zastosowania w zarządzaniu:
Cechy żywego przeglądu systematycznego:

• Ciągła aktualizacja: Regularne aktualizowanie przeglądu o nowe badania i dane, co zapewnia, że przegląd pozostaje aktualny.
• Dynamiczny charakter: Możliwość elastycznego dostosowywania metodologii i zakresu przeglądu w odpowiedzi na nowe informacje.
• Automatyzacja: Często wspierany przez automatyczne narzędzia do przeszukiwania literatury i aktualizacji danych.

Źródło lub przykład: 
Emilie Sbidian, Anna Chaimani, Robin Guelimi, Ignacio Garcia-Doval, Camille Hua, Carolyn Hughes, Luigi Naldi, Maria Kinberger, Sivem Afach, Laurence Le Cleach, Systemic pharmacological treatments for chronic plaque psoriasis: a network meta-analysis, „The Cochrane database of systematic reviews“ 7/7 (2023), CD011535. https://doi.org/10.1002/14651858.CD011535.pub6

więcej

Metody syntetyzowania wyników SLR

W analizie systematycznych przeglądów literatury (SLR) istnieje wiele metod modelowania, które mogą być stosowane w celu analizy, syntezowania i interpretacji danych literaturowych. Oto kilka sposobów, w jakie można modelować analizę SLR:

1. Metaanaliza: Pozwala na łączenie wyników różnych badań w celu uzyskania bardziej uogólnionych wniosków. Metaanaliza może być wykorzystywana do kwantyfikacji efektów leczenia, identyfikacji czynników ryzyka lub określenia skuteczności określonych interwencji.
2. Mapowanie systematyczne literatury: Polega na graficznym przedstawieniu struktury i interakcji pomiędzy różnymi tematami, badaniami lub wynikami literaturowymi. Mapy mogą pomóc w identyfikacji luk w badaniach, powiązaniach pomiędzy różnymi koncepcjami oraz wizualizacji rozwoju danego obszaru tematycznego.
3. Analiza tematyczna: Wykorzystuje techniki analizy tekstu, takie jak modelowanie tematyczne, do identyfikacji głównych tematów, trendów i wzorców w korpusie tekstu literaturowego. Pozwala to na zrozumienie głównych obszarów badań, ewolucję tematów oraz identyfikację luk w wiedzy.
4. Analiza sieciowa: Koncentruje się na analizie relacji pomiędzy różnymi autorami, instytucjami, terminami lub tematami w korpusie literatury. Analiza sieciowa może pomóc w identyfikacji kluczowych aktorów, połączeń i wpływowych publikacji w danym obszarze tematycznym.
5. Analiza jakościowa: Polega na badaniu treści artykułów w celu zidentyfikowania i opisania istotnych wzorców, tematów lub kategorii. Metody takie jak analiza zawartości, teoria ugruntowana czy analiza narracyjna mogą być wykorzystywane do pogłębionego zrozumienia badanych zagadnień.

Te metody mogą być stosowane zarówno oddzielnie, jak i łącznie, w zależności od celów i zakresu badania systematycznego przeglądu literatury. Każda z nich ma swoje własne zalety i ograniczenia, dlatego ważne jest wybór odpowiednich metod w zależności od kontekstu badawczego oraz dostępnych zasobów i umiejętności analityka.

więcej

Modelowanie nieliniowych zależności i identyfikacja istotnych trendów

W przypadku systematycznych przeglądów literatury,  może być wykorzystywana krzywa sigmoidalna m.in. do oceny dynamiki rozprzestrzeniania się informacji w badanym obszarze. Na przykład, może być używana do modelowania szybkości przyrostu liczby artykułów naukowych na dany temat w czasie, co pozwala na analizę intensywności zainteresowania danym obszarem badań.

więcej

Czułość czy precyzja wyszukiwań i inne miary skuteczności SLR

W ocenie skuteczności Systematic Literature Review (SLR) używa się różnych miar, aby określić jakość i wartość przeprowadzonego badania. Oto kilka popularnych miar efektywności w ocenie SLR:

1. Recall (Czułość): Określa procent publikacji zidentyfikowanych przez SLR spośród wszystkich istotnych publikacji na dany temat. Im wyższy recall, tym bardziej kompletna jest analiza literatury.
2. Precision (Precyzja): Określa procent publikacji zidentyfikowanych przez SLR jako istotne spośród wszystkich publikacji zidentyfikowanych jako istotne. Im wyższa precyzja, tym mniej fałszywie pozytywnych wyników.
3. F1 Score: Jest to miara harmoniczna między recall a precyzją. Zapewnia równowagę między kompletnością a dokładnością, co jest istotne, gdy chcemy równoważyć te dwie wartości.
4. Coverage (Zakres): Określa procent istotnych publikacji, które zostały znalezione przez SLR spośród wszystkich istotnych publikacji w dziedzinie. Wyższe pokrycie oznacza, że SLR skuteczniej identyfikuje istotne publikacje.
5. Number Needed to Read (NNR): Określa średnią liczbę artykułów, które muszą być przeczytane, aby znaleźć jedną istotną publikację. Niższa wartość NNR oznacza bardziej efektywne przeszukiwanie literatury.
6. Publication Bias (Złudzenie publikacyjne, tendencyjność publikacyjna, efekt szuflady): Ocena obecności lub braku tendencyjności w opublikowanych badaniach na dany temat. SLR może zawierać analizę w świetle tych potencjalnke występujących zjawisk w celu zidentyfikowania potencjalnych zniekształceń w literaturze.
7. Heterogeneity (Heterogeniczność)**: Ocena stopnia zróżnicowania wyników lub metodologii włączonych badań. Wysoka heterogeniczność może wymagać zastosowania bardziej zaawansowanych metod analizy.

Te miary mogą być stosowane niezależnie lub w połączeniu, aby ocenić efektywność i jakość przeprowadzonego SLR. Każda z tych miar ma swoje zalety i ograniczenia, dlatego ważne jest ich rozważenie w kontekście konkretnego badania.

więcej

Pola wyszukiwań wg PICOSS

Zbudujmy tabele pol wyszukiwań wg PICOSS dla przykładowej kwestii: Na ile potrzebne są domy calodziennej opieki dla psów.

Składnik	Pytanie	Frazy i słowa kluczowe dla wyszukiwań
P - Pacjent	Czy psy cierpią na brak opieki całodzienniej?	Psy, opieka całodzienna, potrzeby psów, dobrostan zwierząt
I - Interwencja	Jakie korzyści przynosi domowa opieka całodzienne dla psów?	Domowa opieka, korzyści, psie zachowanie, aktywność fizyczna
C - Porównanie	Jak różnią się psy korzystające z opieki całodziennej od tych, które jej nie mają?	Porównanie, psy z opieką, psy bez opieki, różnice, dobrostan
O - Wynik	Jaki jest wpływ domowej opieki całodziennej na zdrowie i dobrostan psów?	Wpływ opieki, zdrowie psów, dobrostan zwierząt, efekty opieki
S - Czas	Jak długo potrzebuje pies na adaptację do opieki całodzienniej?	Adaptacja psa, czas adaptacji, psy w nowym środowisku
S - Środowisko	Jakie warunki są niezbędne do zapewnienia odpowiedniej opieki całodziennej dla psa?	Warunki opieki, odpowiednie środowisko, psy w domu

Zapewnienie odpowiednich danych w każdej z tych kategorii może pomóc w dokładniejszej ocenie potrzeby domowej opieki całodzienniej dla psów.

więcej