Zlepšení hledaného výrazu se provádí při pokusném vyhledávání a hledání dalšího relevantního výrazu v rámci každého konceptu ze získaných papírů. K vyhledání klinického hodnocení můžeme v PubMed použít tyto deskriptory: „klinické hodnocení“ NEBO „klinické hodnocení jako téma“ NEBO „klinické hodnocení“. Po několika kolech hodnocení a upřesnění hledaného výrazu formulujeme konečný hledaný výraz pro PubMed takto: (ebola NEBO virus eboly NEBO onemocnění virem Ebola NEBO EVD) A (vakcína NEBO očkování NEBO očkování NEBO imunizace) A („klinické hodnocení“ NEBO „klinické hodnocení jako téma“ NEBO „klinické hodnocení“). Protože studie pro toto téma je omezená, do hledaného výrazu nezahrnujeme termín výsledku (bezpečnost a imunogenicita), abychom získali více studií.

Prohledávejte databáze, importujte všechny výsledky do knihovny a export do list aplikace Excel

Podle pokynů AMSTAR musí být v SR / MA prohledány nejméně dvě databáze, ale jak zvýšíte počet prohledávaných databází, získáte větší výtěžek a přesnější a komplexnější výsledky. Pořadí databází závisí hlavně na otázkách k recenzi; při studiu klinických studií se budete spoléhat hlavně na Cochrane, mRCT nebo Mezinárodní platformu pro registraci klinických studií (ICTRP). Zde navrhujeme 12 databází (PubMed, Scopus, Web of Science, EMBASE, GHL, VHL, Cochrane, Google Scholar, Clinical trials.gov, mRCTs, POPLINE a SIGLE), které pomáhají pokrýt téměř všechny publikované články v tropické medicíně a další pole související se zdravím. Z těchto databází se POPLINE zaměřuje na reprodukční zdraví. Vědci by měli zvážit výběr příslušné databáze podle výzkumného tématu. Některé databáze nepodporují použití logických hodnot nebo citací; jinak existují některé databáze, které mají speciální způsob vyhledávání. Proto potřebujeme upravit počáteční vyhledávací termíny pro každou databázi, abychom získali oceněné výsledky; proto jsou příručky pro manipulaci pro každé vyhledávání v online databázi uvedeny v Dalším souboru 5: Tabulka S2. Podrobnou strategii vyhledávání pro každou databázi najdete v Dalším souboru 5: Tabulka S3. Hledaný výraz, který jsme vytvořili v PubMedu, vyžaduje přizpůsobení na základě konkrétní charakteristiky databáze. Příklad rozšířeného vyhledávání Google Scholar pro toto téma je následující:

1. Se všemi slovy: virus ebola

   S alespoň jedním ze slov: očkování očkování očkování očkování

   Kde se moje slova vyskytují: v názvu článku

2. Se všemi slovy: EVD

   S alespoň jedním ze slov: očkování očkováním očkování očkování

   Kde se moje slova vyskytují: v nadpisu článku

Nakonec jsou všechny záznamy shromážděny do jedné knihovny Endnote za účelem odstranění duplikátů a následného exportu do listu aplikace Excel. Použití funkce odstranění duplikování se dvěma možnostmi je povinné. Všechny odkazy, které mají (1) stejný název a autora a publikovány ve stejném roce a (2) stejný název a autora a publikovány ve stejném časopise, budou odstraněny. Reference zbývající po tomto kroku by měly být exportovány do souboru aplikace Excel se základními informacemi pro screening. Mohou to být jména autorů, rok publikace, časopis, DOI, URL odkaz a abstrakt.

Psaní a registrace protokolů

Registrace protokolu v rané fázi zaručuje transparentnost výzkumu proces a chrání před problémy s duplikací. Kromě toho je považován za dokumentovaný důkaz o akčním plánu týmu, výzkumné otázce, kritériích způsobilosti, intervenci / expozici, hodnocení kvality a plánu předběžné analýzy. Doporučuje se, aby jej vědci poslali hlavnímu vyšetřovateli (PI), aby jej revidoval, a poté jej nahrál na stránky registru. Pro SR / MA je k dispozici mnoho webů registrů, jako jsou ty, které navrhují spolupráce Cochrane a Campbell; doporučujeme však registraci protokolu do PROSPERO, protože je to jednodušší. Rozvržení šablony protokolu, podle PROSPERO, najdete v Dalším souboru 5: Soubor S1.

Titulní a abstraktní screening

Rozhodnutí vybrat načtené články k dalšímu posouzení vycházejí o kritériích způsobilosti, aby se minimalizovala možnost zařazení irelevantních článků. Podle Cochranových pokynů jsou k provedení tohoto kroku nezbytní dva recenzenti, ale pokud jde o začátečníky a mladší výzkumníky, může to být únavné; proto na základě našich zkušeností navrhujeme, aby nejméně tři recenzenti pracovali samostatně, aby snížili pravděpodobnost chyby, zejména v týmech s velkým počtem autorů, aby přidali další kontrolu a zajistili řádné chování.Kvalita se třemi recenzenty by byla většinou lepší než dva, protože pouze dva by měli navzájem odlišné názory, takže nemohou rozhodnout, zatímco třetí názor je zásadní. A zde je několik příkladů systematických přehledů, které jsme provedli na základě stejné strategie (jinou skupinou výzkumníků v naší výzkumné skupině) a které byly úspěšně publikovány, a obsahují relevantní nápady pro tropickou medicínu a nemoci.

V v tomto kroku budou duplicity odstraněny ručně, kdykoli je recenzenti zjistí. Pokud existují pochybnosti o rozhodnutí o článku, měl by být tým spíše inkluzivní než exkluzivní, dokud hlavní vůdce nebo PI nerozhodne po diskusi a konsensu. Všechny vyloučené záznamy by měly mít důvody vyloučení.

Stahování a prověřování celého textu

Mnoho vyhledávačů poskytuje odkazy zdarma pro přístup k plnotextovým článkům. Pokud není nalezen, můžeme hledat na některých výzkumných webech jako ResearchGate, které nabízejí možnost přímého fulltextového požadavku od autorů. Kromě toho prozkoumejte archivy hledaných časopisů nebo kontaktujte společnost PI, která jej zakoupí, pokud je k dispozici. Podobně 2–3 recenzenti samostatně pracují na rozhodování o zahrnutých plných textech podle kritérií způsobilosti, přičemž uvádějí důvody vyloučení článků. V případě, že dojde k jakékoli neshodě, musí být konečné rozhodnutí učiněno diskusí.

Ruční vyhledávání

Je třeba vyčerpat všechny možnosti, jak snížit zkreslení, provedením explicitního ručního vyhledávání načítání zpráv, které mohly být zrušeny z prvního vyhledávání. K manuálnímu vyhledávání používáme pět metod: vyhledávání referencí ze zahrnutých studií / recenzí, kontaktování autorů a odborníků a prohlížení souvisejících článků / citovaných článků v PubMed a Google Scholar.

Zde popisujeme tři po sobě jdoucí metody zvýšit a vylepšit výtěžnost manuálního vyhledávání: za prvé, hledání referenčních seznamů zahrnutých článků; zadruhé, provádění takzvaného sledování citací, při kterém recenzenti sledují všechny články, které citují každý ze zahrnutých článků, což může zahrnovat elektronické prohledávání databází; a za třetí, podobně jako při sledování citací, sledujeme všechny články „související s“ nebo „podobné“. Každá z výše uvedených metod může být provedena 2–3 nezávislými recenzenty a veškerý možný relevantní článek musí podstoupit další kontrolu podle kritérií pro zařazení poté, co bude sledovat stejné záznamy získané z elektronických databází, tj. Screening titulů / abstraktů a fulltextu .

Navrhujeme nezávislou kontrolu přiřazením každého člena týmu „značky“ a odlišné metody, abychom na konci shromáždili všechny výsledky pro srovnání rozdílů a diskusí a maximalizovali vyhledávání a minimalizovali zkreslení. Podobně je třeba uvést počet zahrnutých článků před přidáním k celkově zahrnutým záznamům.

Extrakce dat a hodnocení kvality

Tento krok opravňuje sběr dat ze zahrnutých úplných texty ve strukturovaném extrakčním listu aplikace Excel, který byl dříve pilotně otestován pro extrakci pomocí náhodných studií. Doporučujeme extrahovat jak upravená, tak neupravená data, protože poskytuje nejpřípustnější matoucí faktor b e použity při analýze jejich pozdějším seskupením. Proces extrakce by měli provádět 2–3 nezávislí recenzenti. List je většinou klasifikován do nástroje pro studii a charakteristiky pacientů, výsledky a hodnocení kvality (QA).

Data uvedená v grafech by měla být extrahována softwarovými nástroji, jako je webový digitizér. Většina rovnic, které lze použít při extrakci před analýzou a odhadem směrodatné odchylky (SD) z jiných proměnných, se nachází v doplňkovém souboru 5: Soubor S2 s odkazy jako Hozo et al. , Xiang et al. a Rijkom a kol. . Pro QA je k dispozici řada nástrojů v závislosti na konstrukci: Nástroj ROB-2 Cochrane pro randomizované kontrolované studie, který je prezentován jako Další soubor 1: Obrázek S1 a Další soubor 2: Obrázek S2 – z údajů z dříve publikovaného článku -, Nástroj NIH pro observační a průřezové studie, nástroj ROBINS-I pro nerandomizované studie, nástroj QUADAS-2 pro diagnostické studie, nástroj QUIPS pro prognostické studie, nástroj CARE pro případové zprávy a ToxRtool pro studie in vivo a in vitro. Doporučujeme, aby 2–3 recenzenti nezávisle posoudili kvalitu studií a před zařazením do analýzy přidali do formuláře pro extrakci dat, aby se snížilo riziko zkreslení. V nástroji NIH pro observační studie – kohortní a průřezové – jako v tomto případě EBOLA, aby hodnotili riziko zkreslení, měli by recenzenti hodnotit každou ze 14 položek do dichotomických proměnných: ano, ne, nebo není relevantní. Celkové skóre se vypočítá sečtením skóre všech položek, protože ano se rovná jedné, zatímco ne a NA se rovná nule.Skóre bude uděleno za každý příspěvek, který je klasifikuje jako špatné, spravedlivé nebo dobře provedené studie, kde skóre 0–5 bylo považováno za špatné, 6–9 za spravedlivé a 10–14 za dobré.

Ve výše uvedeném příkladu případu EBOLA mohou autoři získat následující informace: jméno autorů, země pacientů, rok vydání, design studie (kazuistika, kohortní studie nebo klinické hodnocení nebo RCT), velikost vzorku, infikovaný bod času po infekci EBOLA, interval sledování po době očkování, účinnost, bezpečnost, nepříznivé účinky po očkování a list QA (další soubor 6: údaje S1).

Kontrola údajů

Vzhledem k očekávané lidské chybě a zkreslení doporučujeme krok kontroly dat, ve kterém je každý zahrnutý článek porovnán s jeho protějškem v extrakčním listu pomocí důkazních fotografií, aby se zjistily chyby v datech. Doporučujeme přiřadit články 2–3 nezávislým recenzentům, nejlépe těm, kteří extrakci těchto článků provedli. Pokud jsou zdroje omezené, každému recenzentovi je přidělen jiný článek, než který získal v předchozí fázi.

Statistická analýza

Vyšetřovatelé používají různé metody pro kombinování a sumarizaci zjištění zahrnutých studií . Před analýzou je důležitý krok zvaný čištění dat v extrakčním listu, kde analytik organizuje data extrakčního listu ve formě, kterou lze číst analytickým softwarem. Analýza se skládá ze 2 typů, a to kvalitativní a kvantitativní analýza. Kvalitativní analýza většinou popisuje data ve studiích SR, zatímco kvantitativní analýza se skládá ze dvou hlavních typů: MA a síťová metaanalýza (NMA). Podskupina, citlivost, kumulativní analýzy a meta-regrese jsou vhodné pro testování, zda jsou výsledky konzistentní nebo ne, a pro zkoumání vlivu určitých zmatků na výsledek a hledání nejlepších prediktorů. Předpojatost publikace by měla být posouzena, aby se prozkoumala přítomnost chybějících studií, které mohou ovlivnit souhrn.

Pro ilustraci základní metaanalýzy poskytujeme imaginární údaje pro výzkumnou otázku týkající se bezpečnosti vakcín proti ebole (pokud jde o nežádoucí události, 14 dní po injekci) a imunogenicita (protilátky proti viru Ebola vzrostou v geometrickém průměru titru, 6 měsíců po injekci). Za předpokladu, že z vyhledávání a extrakce dat jsme se rozhodli udělat analýzu, abychom vyhodnotili bezpečnost a imunogenicitu vakcíny proti ebole „A“. Jiné vakcíny proti ebole nebyly metaanalyzovány kvůli omezenému počtu studií (místo toho budou zahrnuty pro narativní kontrolu ). K imaginárním datům pro metaanalýzu bezpečnosti vakcín lze přistupovat v Dalším souboru 7: Data S2. K provedení metaanalýzy můžeme použít bezplatný software, jako je metaanalýza balíčku RevMan nebo R. V tomto příkladu použijeme meta balíčku R. Výukový program meta balíčku je přístupný v tutoriálu „Obecný balíček pro metaanalýzu“ pdf. Kódy R a pokyny pro provedenou metaanalýzu najdete v Dalším souboru 5: Soubor S3.

Pro analýzu předpokládáme, že studie má heterogenní povahu; proto volíme model náhodných efektů. Provedli jsme analýzu bezpečnosti vakcíny Ebola A. Z datové tabulky vidíme některé nežádoucí účinky vyskytující se po intramuskulární injekci vakcíny A do předmětu studie. Předpokládejme, že zahrneme šest studií, které splňují naše kritéria pro zařazení. Můžeme provést metaanalýzu pro každou z nežádoucích příhod extrahovaných ze studií, například artralgie, z výsledků metaanalýzy náhodných účinků pomocí balíčku R meta.

Z výsledků uvedených v Další soubor 3: Obrázek S3, můžeme vidět, že poměr šancí (OR) artralgie je 1,06 (0,79; 1,42), p hodnota = 0,71, což znamená, že neexistuje žádná souvislost mezi intramuskulární injekcí vakcíny Ebola A a artralgií, protože OR je téměř jeden a kromě toho je hodnota P zanedbatelná, protože je > 0,05.

V metaanalýze můžeme také vizualizovat vede k lesnímu pozemku. Na obr. 3 je ukázka příkladu lesního pozemku ze simulované analýzy.

Z lesního pozemku vidíme šest studií (A až F) a jejich příslušné OR (95% CI) . Zelené pole představuje velikost účinku (v tomto případě NEBO) každé studie. Čím větší rámeček znamená, že studie má větší váhu (tj. Větší velikost vzorku). Tvar modrého kosočtverce představuje sdružený OR šesti studií. Můžeme vidět, že modrý diamant prochází svislou čarou OR = 1, což naznačuje žádný význam pro asociaci, protože diamant je téměř vyrovnaný na obou stranách. Můžeme to potvrdit také z 95% intervalu spolehlivosti, který zahrnuje jednu a hodnotu p > 0,05.

Pro heterogenitu vidíme, že I2 = 0%, což znamená, že není detekována žádná heterogenita; studie je relativně homogenní (ve skutečné studii je vzácná). Pro vyhodnocení zkreslení publikace související s metaanalýzou nežádoucích účinků artralgie můžeme použít funkci metabias z balíčku R meta (další soubor 4: Obrázek S4) a vizualizaci pomocí nálevkového grafu. Výsledky zkreslení publikace jsou ukázány na obr. 4. Vidíme, že hodnota p spojená s tímto testem je 0,74, což naznačuje symetrii nálevkového grafu. Můžeme to potvrdit pohledem na graf cesty.

Podíváme-li se na graf nálevky, je počet studií na levé a pravé straně grafu nálevky stejný; proto je graf symetrie, což naznačuje, že nebyla zjištěna žádná zkreslení publikace.

Analýza citlivosti je postup používaný k objevení toho, jak různé hodnoty nezávislé proměnné ovlivní význam konkrétní závislé proměnné odstraněním jedné studie z MA . Pokud jsou všechny zahrnuté hodnoty p studie < 0,05, odebrání jakékoli studie tedy nezmění významnou asociaci. Provádí se pouze tehdy, když existuje významná asociace, takže pokud je hodnota p provedeného MA 0,7 – více než jedna – analýza citlivosti není pro tento příklad případové studie nutná. Pokud existují 2 studie s hodnotou p > 0,05, odstranění jakékoli ze dvou studií povede ke ztrátě významnosti.

Kontrola dvojitých dat

Pro větší jistotu ohledně kvality výsledků by měla být analyzovaná data překontrolována z plnotextových dat pomocí důkazních fotografií, aby byla umožněna zřejmá kontrola PI studie.

Psaní rukopisů, revize a odevzdání do časopisu

Psaní založené na čtyřech vědeckých sekcích: úvod, metody, výsledky a diskuse, většinou se závěrem. Provedení tabulky charakteristik pro studii a charakteristiky pacienta je povinný krok, který lze najít jako šablonu v Dalším souboru 5: Tabulka S3.

Po dokončení psaní rukopisu, tabulky charakteristik a vývojového diagramu PRISMA se tým by jej měl poslat PI, aby jej dobře přepracoval a odpověděl na jeho komentáře, a nakonec vybral vhodný deník pro rukopis, který vyhovuje značnému faktoru dopadu a vhodné oblasti. Před odesláním rukopisu je třeba věnovat pozornost přečtení pokynů pro autory časopisů.