准备检索工作
在检索前,必须明确想要解决的临床问题是什么,可以借用经典的PICOS原则,P即patien/Population/Problem(对象),I即Intervention/Exposure (处置),C即Control/Comparison (if relevant),O即Outcome(结局),S即Study design (研究类型)。
还有一些其他问题,如ECLIPSE: health policy and management(卫生政策),SPICE: service evaluation(社科)(Setting, Perspective, Intervention, Comparison, Evaluation)等。
选择检索规范
检索时,要尽量避免遗漏关键研究和减少偏倚,下表定义了检索时的四大类问题:
另外,诊断试验是目前Meta分析检索中的难题,还需要持续探索,存在的问题包括:
诊断试验(diagnostic test accuracy, DTA)没有成熟的检索规范,PICO的方法,会遗漏部分研究。
经测试现有的检索方法,敏感性(sensitivity)和精准度(precision)难以达到预期。
现已发表的DTA有关的Meta分析,检索策略可重复性(reproducible)不高,影响研究质量。
制定检索策略
在制定检索策略时,PICO还是第一选择,下图展示了6个最相关的临床问题
另外,要遵循主题词优先策略,例如MeSH、Emtree、DeCS等。
最后,还有几个检索策略需要坚持,例如选词尽可能全覆盖,宁多勿少,联合多种检索策略,先简后繁等。
另外,近几年出现了一种新的检索理念,可使得检索结果尽量客观(以后会出专门课程讲解),具体步骤如下:
生成测试集(generation of a test set)
将测试集分为开发(development)和验证(validation)两部分
从开发集数据中挖掘检索策略(text mining)
在验证集中验证检索策略
记录检索策略和结果
具体流程如下
感兴趣的小伙伴推荐阅读以下书籍:
Text Mining with R (tidytextmining.com)
联合多数据库
经过研究者测试,检索数据库至少要包括Embase、MEDLINE、Web of Science和谷歌Scholar。
报告检索策略
2020版的PRIMA(Meta分析报告规范)报告特别提到,要报告数据库名称或搜索引擎名称和检索限制条件。
举个例子
下面这篇文献报告了数据库名称、检索条目和结果
通常我们也会在文献中看到检索的流程图,如下