发帖
雷达卡
一般而言，综述文章大致可以分为专家评论、系统性综述和教育性综述。高质量的综述文章可以验证假设和观点，提供比单个主要研究结果更具结论性的结果。达晋编译认为，综述文章应对每项相关的报道研究进行分析评论，并建议应系统地搜索至少两个相应数据库，以对相关议题提供合理的广度和深度。在文献搜索过程中，作者需要记录所搜索的数据库和使用的相关术语、搜索起始年月份、以及结束年月份。综述作者需要记录每次搜索的论文“要点”次数或论文引用次数。详细记录这些搜索方法可以让读者重复及核对文献搜索过程。
一篇好的综述需要批判性地分析发表的文献，鉴别发现已经发表论文中潜在的方法学问题，并指出相关研究领域的空缺和挑战。一篇优秀的综述的一个重要标准是观点保持中立和平衡。尤其是在叙述性综述写作中，一些科研人员可能热衷于自己已发表的文章，从而在综述中对其成果不恰当过度重视。因为作者为自身体验的人，科学表述的中立性通常不能完全实现，但保持观点的中立性应被视为综述的目标。
系统性综述应尝试基于已发表证据的基础上检验一个假设，也就是按照预先设定的方案收集文献来减少偏差。当文献报道的临床试验样本量较小时，荟萃分析尤其适用。一个充分的荟萃分析可以提高评估临床试验结果的精确性，并降低假阴性结果的风险。但是荟萃分析的结论易受报告偏倚和研究入选标准的影响。荟萃分析的优势是可以对汇集的数据进行统计分析，但是反过来这也可能是一个缺点，因为常常很难找到足够相似的研究以作出有效的比较。
一些重要的因素可能会影响临床试验有效性，其中包括选择偏倚、观察者偏倚、试验退出偏倚。此外作者可能会倾向于报道最有效果的结论，抑制其他统计非显著性或阴性结论。另外，并非所有相关研究都可在索引期刊上发表。这意味着综述作者可能没有获得所有潜在的重要信息。一个值得注意的现象是，临床试验中无统计学意义的“阴性”研究结果较小可能被出版，或及时出版在英文出版物中并被引用。另一方面，正面的研究结果更可能被多次发表。因此，荟萃分析仅仅基于公开发表文献，可能会导致对研究结果的过度乐观。
在具体实践中，包罗万象的的荟萃分析也可能产生严重错误。综述作者的偏见会影响纳入标准，这点几乎不能靠全数纳入相关研究并随后进行统计测试来解决这个问题。荟萃分析只能与系统性综述所选择的原始研究一样可靠。此外，应注意的是系统性综述主要基于原创性研究，而非重复使用旧综述的建议或结论。因此建议以后发表文章应标准化研究设计及发表所有数据，包括纳入原始数据到补充文件中，将使以后的合成分析更为有效。
诊断技术领域对于系统综述和荟萃分析有高需求。在进行任何新研究之前不系统性回顾已知信息显然不合理。以验证MRI新技术的应用为例，应该对其发展作定期分析和总结，以使下一个研究设计更合理和更科学。但与此同时，由于各个研究中心的数据采集技术的不一定相同，及技术版本的快速更新换代和发行，综合各种结果一起分析很困难，有时是不可能的或者综合没有意义。
撰写综述还有机会将不同学科的专家和用户汇集到一起。因此，要写好的综述，作者最好能来自不同学科的专业背景则。如果作者来自单一狭窄的研究领域，综述中会有风险夸大自身领域重要性，进而将不成熟的技术描述为有美妙的前景。而初学读者因无法识别综述中的错误，可能导致对于综述内容的误解。
提升卡
置顶卡
沉默卡
变色卡
抢沙发
千斤顶
显身卡
京公网安备 11010802022788号
