从纳入的研究中收集数据
科克伦培训资源:收集数据和Covidence研讨会(在线评审制作工具)新利快乐彩
Cochrane互动学习(CIL):单元4 -选择研究和收集数据
| 标准 | 基本原理和细化 | 资源 | |
| C43 | 使用数据收集表格 | 强制性的 | |
| 使用已试用过的数据收集表格。 | 评论作者往往有不同的背景和水平的系统评论经验。使用数据收集表单确保了数据提取过程中的某些一致性，并且对重复提取的数据进行比较是必要的。填妥的资料收集表格应应CRG要求提供。在评审团队中引导表单是非常可取的。至少，必须对数据收集表单(或其非常接近的变体)的可用性进行评估。 | 看到手册部分5.4.1之前 |
|
| C44 | 描述研究 | 强制性的 | |
| 充分详细地收集纳入研究的特征，以填充“纳入研究的特征”表。 | 每项研究的基本特征都需要作为回顾的一部分，包括参与者、干预措施和比较者、结果和研究设计的细节。 | 看到手册5.3.1节 | |
| C45 | 提取重复的学习特征 | 非常可取的 | |
| 使用(至少)两个人独立工作，从每个研究报告中提取研究特征，并预先定义解决分歧的过程。 | 重复的数据提取过程降低了犯错误的风险和数据选择受个人偏见影响的可能性。双重数据提取对研究特征的重要性可能不如对结果数据的重要性，因此它不是对前者的强制性标准。 | 看到手册5.5.2节 | |
| C46 | 提取重复的结果数据 | 强制性的 | |
| 使用(至少)两个人独立工作，从每个研究报告中提取结果数据，并预先定义解决分歧的过程。 | 重复的数据提取过程降低了犯错误的风险和数据选择受个人偏见影响的可能性。双重数据提取对于结果数据尤其重要，因为结果数据直接用于证据的合成，从而为综述的结论提供依据。 | 看到手册5.5.2节 | |
| C47 | 最大限度地利用数据 | 强制性的 | |
| 收集和利用最详细的数字数据，可能有助于对纳入的研究进行类似的分析。在无法获得2×2表格或平均值和标准偏差的情况下，这可能包括效果估计(例如优势比、回归系数)、置信区间、检验统计量(例如t、F、Z、Chi2)或P值，甚至是个体参与者的数据。 | 当报告了2×2表格用于二分类结果，并给出了连续结果的平均值和标准偏差时，在RevMan中输入数据是最容易的。有时不报告这些统计信息，但可以对报告的数据进行一些操作以获得它们。例如，2×2表通常可以从样本大小和百分比得到，而标准偏差通常可以使用置信区间或P值计算。此外，即使无法获得二分法或连续数据所需的详细数据，也可以使用逆方差数据输入格式，例如，如果只给出了优势比和它们的置信区间。RevMan计算器简化了许多这样的操作。 |
看到手册5.3.6节 |
|
| C48 | 检查勘误表 | 强制性的* | |
| 检查任何相关的撤回声明和勘误表以获取信息。 | 一些研究可能被发现是虚假的，或可能在发表后因其他原因被撤销。勘误表可以揭示重要的局限性，甚至致命的缺陷，在纳入的研究。所有这些都可能导致一项研究被排除在综述或荟萃分析之外。应注意确保这些信息在所有数据库搜索中通过下载适当的字段和引文数据检索到。 |
看到手册4.4.6节；5．2 | |
| C49 | 获取未发表的数据 | 非常可取的 | |
| 寻找被纳入研究报告中缺失的关键未发表信息。 | 联系研究作者以获得或确认数据，可以使审查更完整，潜在地提高准确性并减少报告偏差的影响。缺失的信息包括告知“偏倚风险”评估的细节、干预措施和结果的细节以及研究结果(包括按重要亚组分列的结果)。 | 看到手册5.2.3节 | |
| 网 | 在多组研究中选择干预措施 | 强制性的 | |
| 如果一项研究包含两个以上的干预组，在审查中只包括符合资格标准的干预。 |
在审查中包含无关的干预是没有意义的。然而，作者应该在“纳入研究的特征表”中明确表示，这些干预措施在研究中存在。 | 看到手册5.3.6节 科克伦培训资源:非标准数据和研究设计 |
|
| C51单片机 | 检查复核中数字数据的准确性 | 强制性的 | |
| 考虑到合理的差异，将研究报告的影响程度和方向与综述中呈现的影响进行比较。 | 对于作者来说，这是一种相当直接的方法来检查一些潜在的问题，包括研究报告中的排版错误，数据收集和操作的准确性，以及数据输入RevMan。例如，标准化平均差的方向可能在评审中意外地出错。一个基本的检查是确保在综述中提供的数据和原始研究中提供的数据之间有相同的定性结果(例如，影响的方向和统计意义)。如果使用相同的效应测度和统计模型，森林样地的结果应与原始报告中的数据(点估计和置信区间)一致。 |
科克伦培训资源:常见的错误 |