Il miglioramento del termine di ricerca viene effettuato durante una ricerca di prova e alla ricerca di un altro termine pertinente all’interno di ogni concetto da documenti recuperati. Per cercare una sperimentazione clinica, possiamo utilizzare questi descrittori in PubMed: “sperimentazione clinica” OR “sperimentazioni cliniche come argomento” OPPURE “sperimentazione clinica”. Dopo alcuni cicli di sperimentazione e perfezionamento del termine di ricerca, formuliamo il termine di ricerca finale per PubMed come segue: (virus ebola OR ebola virus OR malattia da virus ebola OR EVD) AND (vaccino OR vaccinazione OR vaccinato OR immunizzazione) AND (“sperimentazione clinica” OR “sperimentazioni cliniche come argomento” O “sperimentazione clinica”). Poiché lo studio per questo argomento è limitato, non includiamo il termine di risultato (sicurezza e immunogenicità) nel termine di ricerca per acquisire più studi.

Cerca nei database, importa tutti i risultati in una libreria ed esporta in un foglio excel

Secondo le linee guida AMSTAR, almeno due database devono essere cercati nella SR / MA, ma aumentando il numero di database ricercati, si ottengono molti risultati e risultati più accurati e completi. L’ordinamento dei database dipende principalmente dalle domande di revisione; essendo in uno studio di sperimentazioni cliniche, ti affiderai principalmente a Cochrane, mRCTs o International Clinical Trials Registry Platform (ICTRP). Qui proponiamo 12 database (PubMed, Scopus, Web of Science, EMBASE, GHL, VHL, Cochrane, Google Scholar, Clinical trials.gov, mRCTs, POPLINE e SIGLE), che aiutano a coprire quasi tutti gli articoli pubblicati sulla medicina tropicale e altri campi relativi alla salute. Tra questi database, POPLINE si concentra sulla salute riproduttiva. I ricercatori dovrebbero considerare di scegliere il database pertinente in base all’argomento di ricerca. Alcuni database non supportano l’uso di booleani o virgolette; in caso contrario, ci sono alcuni database che hanno metodi di ricerca speciali. Pertanto, è necessario modificare i termini di ricerca iniziali per ogni database per ottenere risultati apprezzati; pertanto, le guide alla manipolazione per ciascuna ricerca nel database in linea sono presentate nel file aggiuntivo 5: Tabella S2. La strategia di ricerca dettagliata per ogni database si trova in File aggiuntivo 5: Tabella S3. Il termine di ricerca che abbiamo creato in PubMed necessita di personalizzazione in base a una caratteristica specifica del database. Un esempio per la ricerca avanzata di Google Scholar per il nostro argomento è il seguente:

1. Con tutte le parole: virus ebola

   Con almeno una delle parole: vaccino vaccinazione vaccinato immunizzazione

   Dove ricorrono le mie parole: nel titolo dell’articolo

2. Con tutte le parole: EVD

   Con almeno una delle parole: vaccine vaccination vaccinated immunization

   Dove ricorrono le mie parole: nel titolo dell’articolo

Infine, tutti i record sono raccolti in una libreria di note di chiusura per eliminare i duplicati e quindi esportarli in un foglio Excel. L’utilizzo della funzione di rimozione della duplicazione con due opzioni è obbligatorio. Tutti i riferimenti che hanno (1) lo stesso titolo e autore, e pubblicati nello stesso anno, e (2) lo stesso titolo e autore, e pubblicati nella stessa rivista, saranno cancellati. I riferimenti rimanenti dopo questo passaggio devono essere esportati in un file Excel con le informazioni essenziali per lo screening. Questi potrebbero essere i nomi degli autori, l’anno di pubblicazione, la rivista, il DOI, il collegamento URL e l’abstract.

Scrittura e registrazione del protocollo

La registrazione del protocollo in una fase iniziale garantisce la trasparenza nella ricerca elabora e protegge dai problemi di duplicazione. Inoltre, è considerata una prova documentata del piano d’azione del team, domanda di ricerca, criteri di ammissibilità, intervento / esposizione, valutazione della qualità e piano di pre-analisi. Si consiglia ai ricercatori di inviarlo al ricercatore principale (PI) per modificarlo, quindi caricarlo sui siti del registro. Sono disponibili molti siti di registro per SR / MA come quelli proposti dalle collaborazioni Cochrane e Campbell; tuttavia, si consiglia di registrare il protocollo in PROSPERO in quanto è più semplice. Il layout di un modello di protocollo, secondo PROSPERO, può essere trovato in File aggiuntivo 5: File S1.

Titolo e screening astratto

Le decisioni per selezionare gli articoli recuperati per un’ulteriore valutazione si basano sui criteri di ammissibilità, per ridurre al minimo la possibilità di includere articoli non pertinenti. Secondo la guida Cochrane, due revisori sono obbligatori per eseguire questo passaggio, ma per quanto riguarda i principianti e i ricercatori junior, questo potrebbe essere noioso; quindi, sulla base della nostra esperienza, proponiamo che almeno tre revisori lavorino in modo indipendente per ridurre la possibilità di errore, in particolare in team con un gran numero di autori per aggiungere più controllo e garantire una condotta adeguata.Per lo più, la qualità con tre revisori sarebbe migliore di due, poiché solo due avrebbero opinioni diverse l’una dall’altra, quindi non possono decidere, mentre la terza opinione è cruciale. Ed ecco alcuni esempi di revisioni sistematiche che abbiamo condotto seguendo la stessa strategia (da un diverso gruppo di ricercatori nel nostro gruppo di ricerca) e pubblicate con successo, e contengono idee rilevanti per la medicina tropicale e le malattie.

In questo passaggio, i duplicati verranno rimossi manualmente ogni volta che i revisori li scoprono. Quando c’è un dubbio sulla decisione di un articolo, il team dovrebbe essere inclusivo piuttosto che esclusivo, fino a quando il leader principale o l’investigatore non prende una decisione dopo la discussione e il consenso. Tutti i record esclusi dovrebbero essere motivati dall’esclusione.

Download e screening del testo completo

Molti motori di ricerca forniscono collegamenti gratuiti per accedere agli articoli del testo completo. Nel caso in cui non venga trovato, possiamo cercare in alcuni siti web di ricerca come ResearchGate, che offrono un’opzione di richiesta diretta di testo completo da parte degli autori. Inoltre, esplorando gli archivi delle riviste ricercate o contattando PI per acquistarlo se disponibile. Allo stesso modo, 2-3 revisori lavorano in modo indipendente per decidere sui testi integrali inclusi secondo i criteri di ammissibilità, riportando i motivi di esclusione degli articoli. In caso di disaccordo, la decisione finale deve essere presa tramite discussione.

Ricerca manuale

È necessario esaurire tutte le possibilità per ridurre i pregiudizi eseguendo una ricerca manuale esplicita per recupero di rapporti che potrebbero essere stati ignorati dalla prima ricerca. Applichiamo cinque metodi per effettuare la ricerca manuale: ricerca di riferimenti da studi / recensioni inclusi, contatto di autori ed esperti e ricerca di articoli correlati / articoli citati in PubMed e Google Scholar.

Descriviamo qui tre metodi consecutivi per aumentare e affinare la resa della ricerca manuale: in primo luogo, cercare elenchi di riferimento di articoli inclusi; in secondo luogo, eseguire ciò che è noto come tracciamento delle citazioni in cui i revisori tracciano tutti gli articoli che citano ciascuno degli articoli inclusi e ciò potrebbe comportare la ricerca elettronica dei database; e in terzo luogo, analogamente al monitoraggio delle citazioni, seguiamo tutti gli articoli “correlati a” o “simili”. Ciascuno dei metodi sopra menzionati può essere eseguito da 2–3 revisori indipendenti e tutto il possibile articolo pertinente deve essere sottoposto a un ulteriore esame rispetto ai criteri di inclusione, dopo aver seguito gli stessi record ottenuti da database elettronici, ad esempio titolo / abstract e screening full-text .

Proponiamo una revisione indipendente assegnando a ciascun membro dei team un “tag” e un metodo distinto, per compilare tutti i risultati alla fine per il confronto delle differenze e la discussione e per massimizzare il recupero e minimizzare il bias. Allo stesso modo, il numero di articoli inclusi deve essere dichiarato prima dell’aggiunta ai record inclusi complessivi.

Estrazione dei dati e valutazione della qualità

Questo passaggio autorizza la raccolta dei dati da testi in un foglio Excel di estrazione strutturata, che è stato precedentemente testato per l’estrazione utilizzando alcuni studi casuali. Si consiglia di estrarre dati sia aggiustati che non aggiustati perché fornisce il fattore di confondimento più consentito a b e utilizzati nell’analisi unendoli in seguito. Il processo di estrazione dovrebbe essere eseguito da 2–3 revisori indipendenti. Per lo più, il foglio è classificato nello studio e nello strumento delle caratteristiche del paziente, dei risultati e della valutazione della qualità (QA).

I dati presentati nei grafici devono essere estratti da strumenti software come il digitalizzatore di grafici web. La maggior parte delle equazioni che possono essere utilizzate nell’estrazione prima dell’analisi e della stima della deviazione standard (SD) da altre variabili si trova all’interno del file aggiuntivo 5: File S2 con i loro riferimenti come Hozo et al. , Xiang et al. e Rijkom et al. . Una varietà di strumenti sono disponibili per il QA, a seconda del progetto: ROB-2 Strumento Cochrane per studi randomizzati controllati che viene presentato come File aggiuntivo 1: Figura S1 e File aggiuntivo 2: Figura S2 — dai dati di un articolo pubblicato in precedenza—, Strumento NIH per studi osservazionali e trasversali, strumento ROBINS-I per studi non randomizzati, strumento QUADAS-2 per studi diagnostici, strumento QUIPS per studi prognostici, strumento CARE per case report e ToxRtool per studi in vivo e in vitro. Raccomandiamo che 2-3 revisori valutino in modo indipendente la qualità degli studi e aggiungano al modulo di estrazione dei dati prima dell’inclusione nell’analisi per ridurre il rischio di bias. Nello strumento NIH per gli studi osservazionali — di coorte e trasversali — come in questo caso EBOLA, per valutare il rischio di bias, i revisori dovrebbero classificare ciascuno dei 14 elementi in variabili dicotomiche: sì, no o non applicabile. Un punteggio complessivo viene calcolato sommando tutti i punteggi degli elementi come sì è uguale a uno, mentre no e NA è uguale a zero.A ogni articolo verrà assegnato un punteggio per classificarli come studi condotti in modo scadente, equo o buono, dove un punteggio da 0 a 5 era considerato scarso, da 6 a 9 equo e da 10 a 14 buono.

Nell’esempio di caso EBOLA sopra, gli autori possono estrarre le seguenti informazioni: nome degli autori, paese dei pazienti, anno di pubblicazione, disegno dello studio (case report, studio di coorte o sperimentazione clinica o RCT), dimensione del campione, punto infetto di tempo dopo l’infezione da EBOLA, intervallo di follow-up dopo il tempo di vaccinazione, efficacia, sicurezza, effetti avversi dopo le vaccinazioni e scheda QA (File aggiuntivo 6: Dati S1).

Controllo dei dati

A causa dell’errore umano e del bias previsti, consigliamo una fase di controllo dei dati, in cui ogni articolo incluso viene confrontato con la sua controparte in un foglio di estrazione mediante foto di prova, per rilevare errori nei dati. Consigliamo di assegnare gli articoli a 2–3 revisori indipendenti, idealmente non quelli che hanno eseguito l’estrazione di quegli articoli. Quando le risorse sono limitate, a ogni revisore viene assegnato un articolo diverso da quello che ha estratto nella fase precedente.

Analisi statistica

I ricercatori utilizzano metodi diversi per combinare e riassumere i risultati degli studi inclusi . Prima dell’analisi, c’è un passaggio importante chiamato pulizia dei dati nel foglio di estrazione, in cui l’analista organizza i dati del foglio di estrazione in una forma che può essere letta dal software analitico. L’analisi è composta da 2 tipi: analisi qualitativa e quantitativa. L’analisi qualitativa descrive principalmente i dati negli studi SR, mentre l’analisi quantitativa consiste di due tipi principali: MA e meta-analisi di rete (NMA). Il sottogruppo, la sensibilità, le analisi cumulative e la meta-regressione sono appropriate per verificare se i risultati sono coerenti o meno e per studiare l’effetto di alcuni fattori confondenti sul risultato e per trovare i migliori predittori. Il bias di pubblicazione dovrebbe essere valutato per indagare sulla presenza di studi mancanti che possono influenzare il sommario.

Per illustrare la meta-analisi di base, forniamo dati immaginari per la domanda di ricerca sulla sicurezza del vaccino contro l’Ebola (in termini di eventi, 14 giorni dopo l’iniezione) e immunogenicità (gli anticorpi contro il virus Ebola aumentano nel titolo della media geometrica, 6 mesi dopo l’iniezione). Supponendo che dalla ricerca e dall’estrazione dei dati, abbiamo deciso di fare un’analisi per valutare la sicurezza e l’immunogenicità del vaccino Ebola “A”. Altri vaccini Ebola non sono stati meta-analizzati a causa del numero limitato di studi (invece, saranno inclusi per la revisione narrativa ). I dati immaginari per la meta-analisi sulla sicurezza del vaccino sono accessibili in File aggiuntivo 7: Dati S2. Per fare la meta-analisi, possiamo usare software libero, come RevMan o il meta del pacchetto R. In questo esempio, useremo il meta pacchetto R. Il tutorial del meta pacchetto è accessibile tramite il pdf tutorial “Pacchetto generale per la meta-analisi”. I codici R e la sua guida per la meta-analisi eseguita possono essere trovati in File aggiuntivo 5: File S3.

Per l’analisi, assumiamo che lo studio sia di natura eterogenea; quindi, scegliamo un modello a effetti casuali. Abbiamo fatto un’analisi sulla sicurezza del vaccino anti-Ebola A. Dalla tabella dei dati, possiamo vedere alcuni eventi avversi che si sono verificati dopo l’iniezione intramuscolare del vaccino A al soggetto dello studio. Supponiamo di includere sei studi che soddisfano i nostri criteri di inclusione. Possiamo fare una meta-analisi per ciascuno degli eventi avversi estratti dagli studi, ad esempio, l’artralgia, dai risultati della meta-analisi degli effetti casuali utilizzando il meta pacchetto R.

Dai risultati mostrati in File aggiuntivo 3: Figura S3, possiamo vedere che l’odds ratio (OR) dell’artralgia è 1,06 (0,79; 1,42), valore p = 0,71, il che significa che non vi è associazione tra l’iniezione intramuscolare del vaccino Ebola A e l’artralgia, dato che l’OR è quasi uno e inoltre il valore P è insignificante in quanto è > 0,05.

Nella meta-analisi, possiamo anche visualizzare il si traduce in un appezzamento di foresta. Nella Fig. 3 è mostrato un esempio di un appezzamento forestale dall’analisi simulata.

Dal diagramma forestale, possiamo vedere sei studi (da A a F) e il loro rispettivo OR (95% CI) . La casella verde rappresenta la dimensione dell’effetto (in questo caso, OR) di ogni studio. Più grande è la casella significa che lo studio ha pesato di più (cioè, una dimensione del campione maggiore). La forma del diamante blu rappresenta l’OR raggruppato dei sei studi. Possiamo vedere il diamante blu attraversare la linea verticale OR = 1, che non indica alcun significato per l’associazione poiché il diamante è quasi equalizzato su entrambi i lati. Possiamo confermarlo anche dall’intervallo di confidenza al 95% che include uno e il valore p > 0,05.

Per l’eterogeneità, vediamo che I2 = 0%, il che significa che non viene rilevata alcuna eterogeneità; lo studio è relativamente omogeneo (è raro nello studio reale). Per valutare il bias di pubblicazione relativo alla meta-analisi degli eventi avversi dell’artralgia, possiamo utilizzare la funzione metabias dal metapacchetto R (file aggiuntivo 4: Figura S4) e la visualizzazione utilizzando un grafico a imbuto. I risultati del bias di pubblicazione sono dimostrati nella Fig. 4. Vediamo che il valore p associato a questo test è 0,74, indicando la simmetria del grafico a imbuto. Possiamo confermarlo guardando il grafico a imbuto.

Guardando il grafico a imbuto, il numero di studi sul lato sinistro e destro del grafico a imbuto è lo stesso; pertanto, il grafico è simmetrico, il che indica che non è stato rilevato alcun bias di pubblicazione.

L’analisi di sensibilità è una procedura utilizzata per scoprire come i diversi valori di una variabile indipendente influenzeranno il significato di una particolare variabile dipendente rimuovendo uno studio da MA . Se tutti i valori p degli studi inclusi sono < 0,05, quindi, la rimozione di qualsiasi studio non modificherà l’associazione significativa. Viene eseguita solo quando esiste un’associazione significativa, quindi se il valore p di MA fatto è 0,7, più di uno, l’analisi di sensibilità non è necessaria per questo esempio di studio di caso. Se sono presenti 2 studi con valore p > 0,05, la rimozione di uno qualsiasi dei due studi comporterà una perdita di significatività.

Doppio controllo dei dati

Per una maggiore garanzia sulla qualità dei risultati, i dati analizzati dovrebbero essere ricontrollati dai dati del testo completo mediante foto di prove, per consentire un controllo ovvio per il PI dello studio.

Scrittura del manoscritto, revisione e invio a una rivista

Scrittura basata su quattro sezioni scientifiche: introduzione, metodi, risultati e discussione, principalmente con una conclusione. L’esecuzione di una tabella delle caratteristiche per lo studio e le caratteristiche del paziente è un passaggio obbligatorio che può essere trovato come modello in File aggiuntivo 5: Tabella S3.

Dopo aver terminato la scrittura del manoscritto, la tabella delle caratteristiche e il diagramma di flusso PRISMA, il team dovrebbe inviarlo al PI per rivederlo bene e rispondere ai suoi commenti e, infine, scegliere una rivista adatta per il manoscritto che si adatti a un fattore di impatto considerevole e al campo appropriato. Dobbiamo prestare attenzione leggendo le linee guida dell’autore delle riviste prima di inviare il manoscritto.