試行検索を実行し、別の関連用語を探している間に、検索用語の改善が行われます。検索された論文からの各概念内。臨床試験を検索するには、PubMedで次の記述子を使用できます：「臨床試験」または「トピックとしての臨床試験」または「臨床試験」。数回の試験と検索用語の改良の後、次の最終的な検索用語を作成します。 PubMedは次のとおりです:(エボラORエボラウイルスORエボラウイルス病OREVD）AND（ワクチンORワクチン接種ORワクチン接種OR免疫）AND（「臨床試験」または「トピックとしての臨床試験」または「臨床試験」）。このトピックの研究は限られているため、より多くの研究を取り込むために、検索用語に結果用語（安全性と免疫原性）を含めません。

データベースを検索し、すべての結果をライブラリにインポートして、エクセルシート

AMSTARガイドラインによると、SR / MAで少なくとも2つのデータベースを検索する必要がありますが、検索するデータベースの数を増やすと、より多くの収量とより正確で包括的な結果が得られます。データベースの順序は、主にレビューの質問に依存します。臨床試験の研究中であるため、主にCochrane、mRCT、またはInternational Clinical Trials Registry Platform（ICTRP）に依存します。ここでは、12のデータベース（PubMed、Scopus、Web of Science、EMBASE、GHL、VHL、Cochrane、Google Scholar、Clinicaltrials.gov、mRCT、POPLINE、およびSIGLE）を提案します。これらは、熱帯医学で公開されているほぼすべての記事をカバーするのに役立ちます。およびその他の健康関連分野。それらのデータベースの中で、POPLINEはリプロダクティブヘルスに焦点を当てています。研究者は、研究トピックに応じて関連するデータベースを選択することを検討する必要があります。一部のデータベースは、ブール値または引用符の使用をサポートしていません。それ以外の場合は、特別な検索方法を持つデータベースがいくつかあります。したがって、評価の高い結果を得るには、各データベースの初期検索用語を変更する必要があります。したがって、各オンラインデータベース検索の操作ガイドは、追加ファイル5：表S2に示されています。各データベースの詳細な検索戦略は、追加ファイル5：表S3にあります。 PubMedで作成した検索用語は、データベースの特定の特性に基づいてカスタマイズする必要があります。このトピックのGoogleScholar高度検索の例は、次のとおりです。

1. すべての単語を含む：ebola virus

   少なくとも1つの単語を含む：ワクチンワクチン接種ワクチン接種予防接種

   私の言葉が出てくるところ：記事のタイトル

2. すべての言葉で：EVD

   少なくとも1つの単語：ワクチンワクチン接種ワクチン接種予防接種

   私の言葉が出てくるところ：記事のタイトルに

最後に、すべての記録は重複を削除するために1つのEndnoteライブラリに収集され、Excelシートにエクスポートされます。 2つのオプションで重複削除機能を使用することは必須です。 （1）同じタイトルと著者を持ち、同じ年に発行された、および（2）同じタイトルと著者を持ち、同じジャーナルに発行されたすべてのレファレンスは削除されます。このステップの後に残っている参照は、スクリーニングに不可欠な情報を含むExcelファイルにエクスポートする必要があります。これらは、著者名、発行年、ジャーナル、DOI、URLリンク、要約などです。

プロトコルの作成と登録

初期段階でのプロトコル登録により、研究の透明性が保証されます。処理し、重複の問題から保護します。さらに、チームの行動計画、調査の質問、適格基準、介入/暴露、品質評価、および事前分析計画の文書化された証拠と見なされます。研究者はそれを主任研究者（PI）に送って修正し、レジストリサイトにアップロードすることをお勧めします。コクランとキャンベルの共同計画によって提案されたもののように、SR / MAに利用できる多くのレジストリサイトがあります。ただし、プロトコルをPROSPEROに登録する方が簡単なので、登録することをお勧めします。 PROSPEROによると、プロトコルテンプレートのレイアウトは、追加ファイル5：ファイルS1にあります。

タイトルと要約のスクリーニング

さらに評価するために取得した記事を選択する決定は、関連性のない記事が含まれる可能性を最小限に抑えるための適格基準。コクラン共同計画のガイダンスによると、このステップを実行するには2人のレビューアが必要ですが、初心者と若手研究者に関しては、これは面倒かもしれません。したがって、私たちの経験に基づいて、特に多数の著者がいるチームでは、少なくとも3人のレビューアが独立して作業してエラーの可能性を減らし、より精査を加えて適切な行動を確保することを提案します。ほとんどの場合、3人のレビューアの品質は2人よりも優れています。これは、2人は互いに異なる意見しか持たないため、決定できませんが、3番目の意見は重要です。そして、同じ戦略に従って（私たちの研究グループの異なる研究者グループによって）実施され、成功裏に公開された系統的レビューのいくつかの例があり、それらは熱帯医学と病気に関連するアイデアを特徴としています。

Inこのステップでは、レビュー担当者が重複を見つけるたびに、重複が手動で削除されます。記事の決定に疑問がある場合は、メインリーダーまたはPIが話し合いと合意の後に決定を下すまで、チームは排他的ではなく包括的である必要があります。除外されたすべてのレコードには除外理由を指定する必要があります。

全文のダウンロードとスクリーニング

多くの検索エンジンは、全文記事に無料でアクセスするためのリンクを提供しています。見つからない場合は、ResearchGateとして一部の研究ウェブサイトで検索できます。ResearchGateでは、著者からの直接の全文リクエストのオプションが提供されています。さらに、必要なジャーナルのアーカイブを探索するか、利用可能な場合はPIに連絡して購入してください。同様に、2〜3人のレビューアが独立して作業し、適格基準に従って含まれる全文を決定し、記事の除外理由を報告します。意見の不一致が発生した場合は、話し合いによって最終決定を下す必要があります。

手動検索

明示的な手作業による検索を実行してバイアスを減らすために、あらゆる可能性を尽くす必要があります。最初の検索から削除された可能性のあるレポートの取得。手動検索には5つの方法が適用されます。含まれている研究/レビューからの参照の検索、著者や専門家への連絡、PubMedとGoogleScholarの関連記事/引用記事の確認です。

ここでは、3つの連続した方法について説明します。手動検索の歩留まりを向上および改善します。まず、含まれている記事の参照リストを検索します。次に、引用追跡と呼ばれるものを実行します。この追跡では、レビュー担当者が、含まれている各記事を引用するすべての記事を追跡します。これには、データベースの電子検索が含まれる場合があります。そして第三に、引用追跡と同様に、すべての「関連」または「類似」の記事をフォローします。上記の各方法は、2〜3人の独立した査読者が実行でき、電子データベースから得られた同じ記録、つまりタイトル/要約および全文スクリーニングを行った後、関連する可能性のあるすべての記事を選択基準に対してさらに精査する必要があります。 。

チームの各メンバーに「タグ」と個別の方法を割り当てて、違いと議論を比較するために最後にすべての結果をまとめ、検索を最大化して最小化することにより、独立したレビューを提案します。同様に、含まれる記事の数は、含まれるレコード全体に追加する前に指定する必要があります。

データ抽出と品質評価

このステップでは、含まれる完全な-からのデータ収集の資格があります。構造化された抽出エクセルシートのテキストは、以前にいくつかのランダムな調査を使用して抽出のためにパイロットテストされています。bに最も許容される交絡因子を与えるため、調整済みデータと未調整データの両方を抽出することをお勧めします。 e後でそれらをプールすることにより、分析で使用されます。抽出のプロセスは、2〜3人の独立したレビューアが実行する必要があります。ほとんどの場合、シートは研究と患者の特性、結果、品質評価（QA）ツールに分類されます。

グラフに表示されるデータは、Webプロットデジタイザーなどのソフトウェアツールで抽出する必要があります。他の変数からの標準偏差（SD）の分析と推定の前の抽出に使用できる方程式のほとんどは、追加ファイル5：ファイルS2にあり、Hozo etal。 、Xiang etal。 、およびRijkom etal。 。 QAには、設計に応じてさまざまなツールを使用できます。ランダム化比較試験用のROB-2コクランツール。追加ファイル1：図S1および追加ファイル2：図S2 —以前に公開された記事データから—、観察および横断研究用のNIHツール、非ランダム化試験用のROBINS-Iツール、診断研究用のQUADAS-2ツール、予後研究用のQUIPSツール、症例報告用のCAREツール、およびinvivoおよびinvitro研究用のToxRtool。バイアスのリスクを減らすために、2〜3人のレビューアが独立して研究の質を評価し、分析に含める前にデータ抽出フォームに追加することをお勧めします。このEBOLAの場合のように、観察研究用のNIHツール（コホートおよび横断的）では、バイアスのリスクを評価するために、レビューアは14項目のそれぞれを二分変数（はい、いいえ、または該当なし）に評価する必要があります。全体的なスコアは、すべてのアイテムのスコアを加算することによって計算されます。yesは1に等しく、noおよびNAは0に等しいからです。すべての論文にスコアが付けられ、実施された研究が不良、公正、または良好に分類されます。スコアは0〜5が不良、6〜9が適正、10〜14が良好と見なされます。

上記のEBOLAの症例例では、著者は次の情報を抽出できます：著者の名前、患者の国、発行年、研究デザイン（症例報告、コホート研究、または臨床試験またはRCT）、サンプルサイズ、感染点EBOLA感染後の時間、ワクチン接種後のフォローアップ間隔、有効性、安全性、ワクチン接種後の悪影響、およびQAシート（追加ファイル6：データS1）。

データチェック

予想される人為的ミスと偏見のため、データの誤りを検出するために、含まれるすべての記事を抽出シートの対応する記事と証拠写真で比較するデータチェックステップをお勧めします。理想的には、それらの記事の抽出を実行したレビューアではなく、2〜3人の独立したレビューアに記事を割り当てることをお勧めします。リソースが限られている場合、各レビューアには前の段階で抽出した記事とは異なる記事が割り当てられます。

統計分析

調査員は、含まれている研究の結果を組み合わせて要約するために異なる方法を使用します。分析の前に、抽出シートのデータのクリーニングと呼ばれる重要なステップがあります。このステップでは、分析者が抽出シートのデータを分析ソフトウェアで読み取れる形式に整理します。分析は、定性分析と定量分析の2種類で構成されています。定性分析は主にSR研究のデータを記述しますが、定量分析はMAとネットワークメタアナリシス（NMA）の2つの主要なタイプで構成されます。サブグループ、感度、累積分析、およびメタ回帰は、結果が一貫しているかどうかをテストし、結果に対する特定の交絡因子の影響を調査し、最良の予測子を見つけるのに適しています。要約に影響を与える可能性のある欠落している研究の存在を調査するために、出版バイアスを評価する必要があります。

基本的なメタアナリシスを説明するために、エボラワクチンの安全性に関するリサーチクエスチョンの架空のデータを提供します（イベント、注射後14日）および免疫原性（エボラウイルス抗体は、注射後6か月で幾何平均力価が上昇します）。検索とデータ抽出から、エボラワクチン「A」の安全性と免疫原性を評価するための分析を行うことにしました。他のエボラワクチンは、研究数が限られているためメタ分析されませんでした（代わりに、ナラティブレビューに含まれます）。 ）ワクチン安全性メタアナリシスの架空のデータは、追加ファイル7：データS2でアクセスできます。メタアナリシスを行うには、RevManやRパッケージメタなどの無料ソフトウェアを使用できます。この例では、 Rパッケージメタ。メタパッケージのチュートリアルには、「メタ分析用の一般パッケージ」チュートリアルpdfからアクセスできます。行われるメタアナリシスのRコードとそのガイダンスは、追加ファイル5：ファイルS3にあります。

分析では、調査は本質的に異質であると想定しています。したがって、変量効果モデルを選択します。エボラワクチンAの安全性を分析しました。データ表から、研究対象へのワクチンAの筋肉内注射後に発生したいくつかの有害事象を確認できます。選択基準を満たす6つの研究を含めると仮定します。 Rメタパッケージを使用したランダム効果メタアナリシスの結果から、関節痛などの研究から抽出された各有害事象のメタアナリシスを行うことができます。

に示されている結果から追加ファイル3：図S3、関節痛のオッズ比（OR）が1.06（0.79; 1.42）、p値= 0.71であることがわかります。これは、エボラワクチンAの筋肉内注射と関節痛の間に関連性がないことを意味します。 ORはほぼ1であり、さらにP値は> 0.05であるため、重要ではありません。

メタアナリシスでは、結果は森林プロットになります。シミュレートされた分析からの森林プロットの例を図3に示します。

森林プロットから、6つの研究（AからF）とそれぞれのOR（95％CI）を見ることができます。 。緑のボックスは、各研究の効果量（この場合はOR）を表します。ボックスが大きいほど、調査の重みが大きくなります（つまり、サンプルサイズが大きくなります）。青いひし形は、6つの研究のプールされたORを表しています。青いひし形が垂直線OR = 1と交差していることがわかります。これは、ひし形が両側でほぼ均等になっているため、関連付けに意味がないことを示しています。これは、1とp値> 0.05を含む95％信頼区間からも確認できます。

不均一性の場合、I2 = 0％であることがわかります。これは、不均一性が検出されないことを意味します。研究は比較的均質です（実際の研究ではまれです）。関節痛の有害事象のメタ分析に関連する出版バイアスを評価するために、Rメタパッケージのメタバイアス関数（追加ファイル4：図S4）とファンネルプロットを使用した視覚化を使用できます。出版バイアスの結果を図4に示します。このテストに関連するp値は0.74であり、ファンネルプロットの対称性を示しています。ファンネルプロットを見ると確認できます。

ファンネルプロットを見ると、ファンネルプロットの左側と右側のスタディの数は同じです。したがって、プロットは対称であり、出版バイアスが検出されていないことを示します。

感度分析は、MAから1つの研究を削除することにより、独立変数のさまざまな値が特定の従属変数の重要性にどのように影響するかを発見するために使用される手順です。 。含まれているすべてのスタディp値が< 0.05である場合、したがって、スタディを削除しても有意な関連性は変わりません。これは、有意な関連がある場合にのみ実行されるため、実行されるMAのp値が0.7（複数）の場合、このケーススタディの例では感度分析は必要ありません。 p値が> 0.05のスタディが2つある場合、2つのスタディのいずれかを削除すると、有意性が失われます。

二重データチェック

結果の品質をさらに保証するために、分析されたデータをエビデンス写真によって全文データから再チェックして、研究のPIを明確にチェックできるようにする必要があります。

原稿の執筆、改訂、およびジャーナルへの投稿

4つの科学的セクションに基づいて執筆：紹介、方法、結果、およびディスカッション、主に結論。研究および患者の特性のための特性テーブルの実行は、追加ファイル5：テーブルS3にテンプレートとして記載されている必須の手順です。

原稿の執筆、特性テーブル、およびPRISMAフロー図を終了した後、チームはそれをPIに送信して適切に修正し、彼のコメントに返信し、最後に、かなりのインパクトファクターとフィッティングフィールドに適合する原稿に適したジャーナルを選択する必要があります。原稿を投稿する前に、ジャーナルの著者ガイドラインを読んで注意を払う必要があります。