Todos os pesquisadores que já realizaram uma revisão sistemática certamente desejam que exista uma maneira mais rápida de realizar algumas etapas deste tipo de estudo, o qual costuma exigir muito tempo dispendido, especialmente nas fases de avaliação de títulos e resumos, e posteriormente na avaliação de textos completos. Porém, como diz o ditado, a pressa é inimiga da perfeição, e estas etapas precisam ser feitas com extrema atenção, de forma a não deixar de fora algum artigo importante. A fase de extração de dados também não é necessariamente uma etapa rápida, tampouco a avaliação da qualidade metodológica, especialmente quando estamos lidando com um número grande de artigos.
No post de hoje, revisamos artigo publicado no periódico Systematic Reviews sobre possibilidade muito promissora para deixar o processo de revisão sistemática mais rápido: a automação. Algumas automações de processos citados no artigo já são abordados rotineiramente nos cursos de metanálise da HTAnalyze, como a remoção de referências duplicatas antes do início da revisão de títulos e resumos (através de gerenciadores de referências), e as técnicas para comparar (i) os resultados da seleção de títulos e abstracts entre duplas e (ii) os dados extraídos entre as duplas (ambos os procedimentos feitos por fórmulas no Excel).
Outras automações, porém, ainda não são usadas rotineiramente em revisões sistemáticas (ao menos para nosso conhecimento), mas parecem ferramentas muito interessantes. A primeira delas diz respeito à aceleração da fase de screening de títulos e abstracts. O artigo cita alguns softwares que tem a capacidade de salientar/sublinhar trechos do texto relacionados à pergunta PICO, o que facilita uma leitura focada para a decisão de excluir ou não o resumo dos elegíveis para texto completo. Mais promissor ainda é uma ferramente de machine learning que, durante uma parte do processo de screening, vai aprendendo como o usuário está excluindo os artigos, e o próprio algoritmo acaba excluindo artigos baseados em critérios aprendidos com o usuário humano. O software indicado pelo artigo é Abstrackr. A equipe da HTAnalyze ainda não testou o mesmo em projetos de revisão sistemática; tão logo tenhamos um parecer, publicaremos nossa percepção aqui no blog.
Já na parte de extração, alguns softwares que também sublinham trechos que tem maior probabilidade de conter dados importantes são citados. Além disto, muitas vezes resta ao pesquisador extrair dados de gráficos, quando não são dados os números (especialmente dados de desvio padrão, conforme mostramos em nossos cursos). O artigo então apresenta alguns programas que fazem tal extração de forma mais automática, com pequena necessidade de mensuração gráfica do usuário.
Agradecemos de antemão comentários dos nossos leitores com experiências práticas com os softwares citados no artigo!
muito bom seu artigo