gms | German Medical Science

22. Jahrestagung des Deutschen Netzwerks Evidenzbasierte Medizin e. V.

Deutsches Netzwerk Evidenzbasierte Medizin e. V.

24. - 26.02.2021, digital

Empfehlungen zur Datenextraktion in systematischen Übersichtsarbeiten: ein methodischer Review

Meeting Abstract

Search Medline for

  • Roland Brian Büchter - Private Universität Witten/Herdecke, Institut für Forschung in der Operativen Medizin (IFOM), Abteilung für Evidenzbasierte Versorgungsforschung, Deutschland
  • Alina Weise - Private Universität Witten/Herdecke, Institut für Forschung in der Operativen Medizin (IFOM), Abteilung für Evidenzbasierte Versorgungsforschung, Deutschland
  • Dawid Pieper - Private Universität Witten/Herdecke, Institut für Forschung in der Operativen Medizin (IFOM), Abteilung für Evidenzbasierte Versorgungsforschung, Deutschland

Who cares? – EbM und Transformation im Gesundheitswesen. 22. Jahrestagung des Deutschen Netzwerks Evidenzbasierte Medizin. sine loco [digital], 24.-26.02.2021. Düsseldorf: German Medical Science GMS Publishing House; 2021. Doc21ebmPS-5-04

doi: 10.3205/21ebm087, urn:nbn:de:0183-21ebm0875

Published: February 23, 2021

© 2021 Büchter et al.
This is an Open Access article distributed under the terms of the Creative Commons Attribution 4.0 License. See license information at http://creativecommons.org/licenses/by/4.0/.


Outline

Text

Hintergrund/Fragestellung: Der Prozess der Datenextraktion im Rahmen systematischer Übersichtsarbeiten (SÜ) bildet das Fundament für die Bewertung, Analyse, Synthese und Interpretation der zugrundeliegenden Forschungsergebnisse. Dies macht die Entwicklung und Pilotierung von Extraktionsbögen sowie die Datenextraktion zu einem kritischen Element von Evidenzsynthesen. Ziel dieser Arbeit war, Empfehlungen zu diesen drei Dimensionen zusammenzufassen.

Methoden: Wir haben nach Methodenhandbüchern von auf SÜ spezialisierten Organisationen (SÜ-Handbücher), Lehrbüchern, Methodendokumenten von Health Technology Assessment (HTA) Organisationen und Journalartikeln recherchiert (Suchen zwischen Februar und Dezember 2019). Zu jeder Dimension wurden eine Itemliste, ein Extraktionsbogen und ein Klassifikationsmuster zur Sammlung von Empfehlungen entwickelt. Ein Autor hat die Daten extrahiert und eine zweite Person diese auf Korrektheit geprüft. Die Ergebnisse wurden deskriptiv zusammengefasst.

Ergebnisse: Wir haben 25 Dokumente ausgewertet: 4 SÜ-Handbücher, 11 Lehrbücher, 5 HTA-Dokumente und 5 Journalartikel. Über alle Quellen hinweg waren die häufigsten Empfehlungen zur Entwicklung von Extraktionsbögen: Maßgeschneiderte oder adaptierte Bögen zu verwenden (14/25); genaue Instruktionen bereitzustellen (10/25); eindeutige und konsistente Kodierungen und Antwortmöglichkeiten zu verwenden (9/25); von vornherein zu planen, welche Daten erforderlich sind (9/25) und unveröffentlichte Daten anzufordern (8/25); und mehrere Publikationen zu einer Studie zu verknüpfen (8/25). Die häufigsten Empfehlungen zur Pilotierung waren, dass Extraktionsbögen an einer Auswahl an Studien getestet werden sollen (18/25) und dass die extrahierenden Personen in der Anwendung geschult werden sollen (7/25). Die häufigsten Empfehlungen zur Extraktion waren, dass die Daten durch mindestens zwei Personen extrahiert werden sollen (17/25); dass eine unabhängige Parallelextraktion erfolgen soll (11/25) und dass Regeln zur Klärung von Dissensen aufgestellt werden sollen (14/25).

Schlussfolgerung: In der Gesamtschau zeigen die Ergebnisse, dass Empfehlungen zur Datenextraktion in systematischen Übersichtsarbeiten teils unvollständig und inkonsistent sind. Dies kann insbesondere für weniger erfahrene Reviewer, die nach Anleitungen suchen, problematisch sein. Limitationen unsere Analyse sind der Scoping-Charakter des Reviews und dass wir keine internen, unveröffentlichten Dokumente von HTA-Organisationen ausgewertet haben.

Interessenkonflikte: Es liegen keine Interessenkonflikte vor.