A melhoria do termo de pesquisa é feita ao fazer uma pesquisa de teste e procurar outro termo relevante dentro de cada conceito de documentos recuperados. Para pesquisar um ensaio clínico, podemos usar estes descritores no PubMed: “ensaio clínico” OR “ensaios clínicos como tópico” OU “ensaio clínico”. Após algumas rodadas de ensaio e refinamento do termo de pesquisa, formulamos o termo de pesquisa final para PubMed da seguinte forma: (ebola OU vírus ebola OU doença por vírus ebola OU EVD) E (vacina OU vacinação OU vacinado OU imunização) E (“ensaio clínico” OU “ensaios clínicos como tópico” OU “ensaio clínico”). Como o estudo para este tópico é limitado, não incluímos o termo de resultado (segurança e imunogenicidade) no termo de pesquisa para capturar mais estudos.

Pesquise bancos de dados, importe todos os resultados para uma biblioteca e exporte para um planilha do excel

De acordo com as diretrizes AMSTAR, pelo menos dois bancos de dados devem ser pesquisados no SR / MA, mas conforme você aumenta o número de bancos de dados pesquisados, você obtém muito rendimento e resultados mais precisos e abrangentes. A ordem dos bancos de dados depende principalmente das questões de revisão; estando em um estudo de ensaios clínicos, você dependerá principalmente da Cochrane, dos mRCTs ou da International Clinical Trials Registry Platform (ICTRP). Aqui, propomos 12 bancos de dados (PubMed, Scopus, Web of Science, EMBASE, GHL, VHL, Cochrane, Google Scholar, Clinical trials.gov, mRCTs, POPLINE e SIGLE), que ajudam a cobrir quase todos os artigos publicados na medicina tropical e outros campos relacionados à saúde. Entre essas bases de dados, POPLINE se concentra na saúde reprodutiva. Os pesquisadores devem considerar a escolha de bases de dados relevantes de acordo com o tópico de pesquisa. Alguns bancos de dados não suportam o uso de booleano ou cotação; caso contrário, existem alguns bancos de dados que possuem um meio de pesquisa especial. Portanto, precisamos modificar os termos de pesquisa iniciais para cada banco de dados para obter resultados apreciados; portanto, os guias de manipulação para cada pesquisa de banco de dados online são apresentados no arquivo adicional 5: Tabela S2. A estratégia de pesquisa detalhada para cada banco de dados é encontrada no arquivo adicional 5: Tabela S3. O termo de pesquisa que criamos no PubMed precisa de customização com base em uma característica específica do banco de dados. Um exemplo de pesquisa avançada do Google Scholar para nosso tópico é o seguinte:

1. Com todas as palavras: vírus ebola

   Com pelo menos uma das palavras: vacinação vacinação vacinação vacinada

   Onde minhas palavras ocorrem: no título do artigo

2. Com todas as palavras: EVD

   Com pelo menos uma das palavras: vacina vacinação vacinação imunização

   Onde minhas palavras ocorrem: no título do artigo

Finalmente, todos os registros são coletados em uma biblioteca Endnote a fim de excluir duplicatas e, em seguida, exportar para uma planilha do Excel. Usar a função de duplicação de remoção com duas opções é obrigatório. Todas as referências que tenham (1) o mesmo título e autor, e publicadas no mesmo ano, e (2) o mesmo título e autor, e publicadas no mesmo periódico, seriam excluídas. As referências restantes após esta etapa devem ser exportadas para um arquivo excel com informações essenciais para a triagem. Podem ser os nomes dos autores, ano de publicação, periódico, DOI, link da URL e resumo.

Redação e registro do protocolo

O registro do protocolo em um estágio inicial garante transparência na pesquisa processo e protege contra problemas de duplicação. Além disso, é considerada uma prova documentada do plano de ação da equipe, pergunta de pesquisa, critérios de elegibilidade, intervenção / exposição, avaliação de qualidade e plano de pré-análise. Recomenda-se que os pesquisadores enviem ao investigador principal (PI) para revisá-lo e, em seguida, carreguem nos sites de registro. Existem muitos sites de registro disponíveis para SR / MA, como os propostos pelas colaborações Cochrane e Campbell; no entanto, recomendamos registrar o protocolo no PROSPERO, pois é mais fácil. O layout de um modelo de protocolo, de acordo com PROSPERO, pode ser encontrado no arquivo adicional 5: Arquivo S1.

Título e triagem do resumo

As decisões para selecionar artigos recuperados para avaliação posterior são baseadas sobre os critérios de elegibilidade, para minimizar a chance de incluir artigos não relevantes. De acordo com a orientação da Cochrane, dois revisores são obrigatórios para realizar esta etapa, mas para pesquisadores iniciantes e juniores, isso pode ser cansativo; portanto, propomos, com base em nossa experiência, que pelo menos três revisores trabalhem de forma independente para reduzir a chance de erro, especialmente em equipes com um grande número de autores para adicionar mais escrutínio e garantir uma conduta adequada.Na maioria das vezes, a qualidade com três revisores seria melhor do que dois, já que apenas dois teriam opiniões diferentes um do outro, então eles não podem decidir, enquanto a terceira opinião é crucial. E aqui estão alguns exemplos de revisões sistemáticas que conduzimos seguindo a mesma estratégia (por um grupo diferente de pesquisadores em nosso grupo de pesquisa) e publicadas com sucesso, e eles apresentam ideias relevantes para a medicina e as doenças tropicais.

Em Nesta etapa, as duplicações serão removidas manualmente sempre que os revisores as descobrirem. Quando houver dúvida sobre a decisão de um artigo, a equipe deve ser inclusiva e não exclusiva, até que o líder principal ou PI tome uma decisão após discussão e consenso. Todos os registros excluídos devem ter motivos de exclusão.

Download e triagem de texto completo

Muitos mecanismos de pesquisa fornecem links gratuitos para acessar artigos de texto completo. Caso não seja encontrado, podemos pesquisar em alguns sites de pesquisas como ResearchGate, que oferecem a opção de solicitação de texto completo direto dos autores. Além disso, explorar arquivos de periódicos procurados ou entrar em contato com PI para comprá-los, se disponível. Da mesma forma, 2 a 3 revisores trabalham independentemente para decidir sobre os textos completos incluídos de acordo com os critérios de elegibilidade, relatando os motivos de exclusão dos artigos. No caso de ocorrer qualquer desacordo, a decisão final deve ser tomada por discussão.

Pesquisa manual

É preciso esgotar todas as possibilidades para reduzir o preconceito, realizando uma pesquisa manual explícita para recuperação de relatórios que podem ter sido descartados da primeira pesquisa. Aplicamos cinco métodos para fazer a pesquisa manual: pesquisar referências de estudos / revisões incluídos, contatar autores e especialistas e olhar para artigos relacionados / artigos citados no PubMed e no Google Scholar.

Descrevemos aqui três métodos consecutivos para aumentar e refinar o rendimento da pesquisa manual: em primeiro lugar, pesquisando listas de referência de artigos incluídos; em segundo lugar, realizar o que é conhecido como rastreamento de citações, em que os revisores rastreiam todos os artigos que citam cada um dos artigos incluídos, podendo envolver busca eletrônica em bases de dados; e em terceiro lugar, semelhante ao rastreamento de citações, seguimos todos os artigos “relacionados a” ou “semelhantes”. Cada um dos métodos mencionados acima pode ser realizado por 2 a 3 revisores independentes, e todos os artigos relevantes possíveis devem passar por um exame mais minucioso em relação aos critérios de inclusão, após seguir os mesmos registros obtidos em bancos de dados eletrônicos, ou seja, título / resumo e triagem de texto completo .

Propomos uma revisão independente atribuindo a cada membro das equipes uma “etiqueta” e um método distinto, para compilar todos os resultados no final para comparação de diferenças e discussão e para maximizar a recuperação e minimizar o viés. Da mesma forma, o número de artigos incluídos deve ser declarado antes da adição aos registros gerais incluídos.

Extração de dados e avaliação de qualidade

Esta etapa dá direito à coleta de dados incluídos textos em uma planilha de extração estruturada do Excel, que foi previamente testada para extração usando alguns estudos aleatórios. Recomendamos extrair dados ajustados e não ajustados porque fornece o fator de confusão mais permitido para b e usados na análise agrupando-os posteriormente. O processo de extração deve ser executado por 2-3 revisores independentes. Principalmente, a planilha é classificada no estudo e nas características do paciente, resultados e ferramenta de avaliação de qualidade (QA).

Os dados apresentados em gráficos devem ser extraídos por ferramentas de software como o digitalizador de plotagem da Web. A maioria das equações que podem ser usadas na extração antes da análise e estimativa do desvio padrão (DP) de outras variáveis é encontrada no Arquivo adicional 5: Arquivo S2 com suas referências como Hozo et al. , Xiang et al. e Rijkom et al. . Uma variedade de ferramentas estão disponíveis para o controle de qualidade, dependendo do projeto: ROB-2 ferramenta Cochrane para ensaios controlados aleatórios que é apresentada como Arquivo adicional 1: Figura S1 e Arquivo adicional 2: Figura S2 — a partir de dados de um artigo publicado anteriormente—, Ferramenta NIH para estudos observacionais e transversais, ferramenta ROBINS-I para ensaios não randomizados, ferramenta QUADAS-2 para estudos diagnósticos, ferramenta QUIPS para estudos prognósticos, ferramenta CARE para relatos de casos e ToxRtool para estudos in vivo e in vitro. Recomendamos que 2–3 revisores avaliem independentemente a qualidade dos estudos e adicionem ao formulário de extração de dados antes da inclusão na análise para reduzir o risco de viés. Na ferramenta NIH para estudos observacionais – coorte e transversal – como neste caso EBOLA, para avaliar o risco de viés, os revisores devem classificar cada um dos 14 itens em variáveis dicotômicas: sim, não ou não aplicável. Uma pontuação geral é calculada somando todas as pontuações dos itens, pois sim é igual a um, enquanto não e NA é igual a zero.Uma pontuação será dada para cada artigo para classificá-los como estudos ruins, regulares ou bons conduzidos, onde uma pontuação de 0 a 5 foi considerada ruim, de 6 a 9 como regular e de 10 a 14 como bom.

No exemplo de caso EBOLA acima, os autores podem extrair as seguintes informações: nome dos autores, país dos pacientes, ano de publicação, desenho do estudo (relato de caso, estudo de coorte ou ensaio clínico ou RCT), tamanho da amostra, ponto infectado de tempo após a infecção por EBOLA, intervalo de acompanhamento após o tempo de vacinação, eficácia, segurança, efeitos adversos após vacinações e folha de controle de qualidade (arquivo adicional 6: Dados S1).

Verificação de dados

Devido ao erro humano esperado e preconceito, recomendamos uma etapa de verificação de dados, na qual cada artigo incluído é comparado com sua contraparte em uma folha de extração por fotos de evidências, para detectar erros nos dados. Aconselhamos atribuir artigos a 2 a 3 revisores independentes, de preferência não aqueles que realizaram a extração desses artigos. Quando os recursos são limitados, cada revisor recebe um artigo diferente daquele que extraiu no estágio anterior.

Análise estatística

Os investigadores usam métodos diferentes para combinar e resumir os resultados dos estudos incluídos . Antes da análise, existe uma etapa importante chamada limpeza de dados na planilha de extração, onde o analista organiza os dados da planilha de extração em um formato que pode ser lido por um software analítico. A análise consiste em 2 tipos, nomeadamente análise qualitativa e quantitativa. A análise qualitativa descreve principalmente dados em estudos de RS, enquanto a análise quantitativa consiste em dois tipos principais: MA e meta-análise de rede (NMA). Subgrupo, sensibilidade, análises cumulativas e metarregressão são apropriados para testar se os resultados são consistentes ou não e investigar o efeito de certos fatores de confusão no resultado e encontrar os melhores preditores. O enviesamento de publicação deve ser avaliado para investigar a presença de estudos ausentes que podem afetar o resumo.

Para ilustrar a meta-análise básica, fornecemos dados imaginários para a pergunta de pesquisa sobre a segurança da vacina do Ebola (em termos de eventos, 14 dias após a injeção) e imunogenicidade (anticorpos do vírus Ebola aumentam no título médio geométrico, 6 meses após a injeção). Assumindo que, a partir da pesquisa e extração de dados, decidimos fazer uma análise para avaliar a segurança e imunogenicidade da vacina contra Ebola “A”. Outras vacinas contra Ebola não foram meta-analisadas devido ao número limitado de estudos (em vez disso, ela será incluída para revisão narrativa ). Os dados imaginários para a meta-análise de segurança de vacinas podem ser acessados no arquivo adicional 7: Dados S2. Para fazer a meta-análise, podemos usar software livre, como RevMan ou meta-pacote R. Neste exemplo, usaremos o meta pacote R. O tutorial do meta pacote pode ser acessado através do tutorial pdf “Pacote geral para meta-análise”. Os códigos R e suas orientações para a meta-análise realizada podem ser encontrados no arquivo Adicional 5: Arquivo S3.

Para a análise, assumimos que o estudo é de natureza heterogênea; portanto, escolhemos um modelo de efeito aleatório. Fizemos uma análise sobre a segurança da vacina de Ebola A. A partir da tabela de dados, podemos ver alguns eventos adversos que ocorrem após a injeção intramuscular da vacina A no sujeito do estudo. Suponha que incluamos seis estudos que atendam aos nossos critérios de inclusão. Podemos fazer uma meta-análise para cada um dos eventos adversos extraídos dos estudos, por exemplo, artralgia, a partir dos resultados da meta-análise de efeito aleatório usando o pacote de meta R.

Dos resultados mostrados em Arquivo adicional 3: Figura S3, podemos ver que o odds ratio (OR) de artralgia é 1,06 (0,79; 1,42), valor de p = 0,71, o que significa que não há associação entre a injeção intramuscular da vacina A de Ebola e artralgia, como o OR é quase um, e além disso, o valor P é insignificante, pois é > 0,05.

Na meta-análise, também podemos visualizar o resulta em um lote de floresta. É mostrado na Fig. 3 um exemplo de um gráfico de floresta da análise simulada.

Do gráfico da floresta, podemos ver seis estudos (A a F) e seus respectivos OR (IC 95%) . A caixa verde representa o tamanho do efeito (neste caso, OR) de cada estudo. Quanto maior a caixa, significa que o estudo teve mais peso (ou seja, maior tamanho de amostra). A forma do diamante azul representa o OR agrupado dos seis estudos. Podemos ver o diamante azul cruzando a linha vertical OR = 1, o que indica nenhuma significância para a associação, já que o diamante quase se equalizou em ambos os lados. Podemos confirmar isso também a partir do intervalo de confiança de 95% que inclui um e o valor p > 0,05.

Para heterogeneidade, vemos que I2 = 0%, o que significa que nenhuma heterogeneidade é detectada; o estudo é relativamente homogêneo (é raro no estudo real). Para avaliar o viés de publicação relacionado à meta-análise de eventos adversos de artralgia, podemos usar a função metabias do pacote R meta (arquivo adicional 4: Figura S4) e visualização usando um gráfico de funil. Os resultados do viés de publicação são demonstrados na Fig. 4. Vemos que o valor p associado a este teste é 0,74, indicando a simetria do gráfico do funil. Podemos confirmar isso observando o gráfico do funil.

Olhando para o gráfico do funil, o número de estudos nos lados esquerdo e direito do gráfico do funil é o mesmo; portanto, o gráfico é simetria, indicando que nenhum viés de publicação foi detectado.

A análise de sensibilidade é um procedimento usado para descobrir como diferentes valores de uma variável independente influenciarão a significância de uma determinada variável dependente removendo um estudo de MA . Se todos os valores de p do estudo incluído forem < 0,05, portanto, a remoção de qualquer estudo não mudará a associação significativa. Ela é realizada apenas quando há uma associação significativa, portanto, se o valor p do MA realizado for 0,7 – mais de um – a análise de sensibilidade não é necessária para este exemplo de estudo de caso. Se houver 2 estudos com valor de p > 0,05, a remoção de qualquer um dos dois estudos resultará em perda de significância.

Verificação dupla de dados

Para mais garantia sobre a qualidade dos resultados, os dados analisados devem ser verificados novamente a partir de dados de texto completo por fotos de evidências, para permitir uma verificação óbvia para o PI do estudo.

Redação do manuscrito, revisão e submissão a periódico

Redação baseada em quatro seções científicas: introdução, métodos, resultados e discussão, principalmente com conclusão. A execução de uma tabela de características para estudo e características do paciente é uma etapa obrigatória que pode ser encontrada como um modelo no arquivo adicional 5: Tabela S3.

Após terminar a redação do manuscrito, a tabela de características e o fluxograma PRISMA, o a equipe deve enviá-lo ao PI para revisá-lo bem e responder aos seus comentários e, por fim, escolher um periódico adequado para o manuscrito que se enquadre com considerável fator de impacto e campo adequado. Precisamos prestar atenção lendo as diretrizes do autor de periódicos antes de enviar o manuscrito.