在健康研究中对非结构化灰色文献的自动化数据分析:绘图审查

科学领域:

• 医疗信息学 医疗信息学
• 计算机科学 计算机科学
• 信息科学 信息科学 信息科学

背景情况:

• 来自在线来源的大量灰色文献和软数据需要更快的二次研究方法.
• 传统的同行评审出版时间表不足以满足快速发展的健康信息需求.

研究的目的:

• 对与健康相关的灰色文献和软数据的自动化数据提取方法进行首次审查.
• 评估用于半自动地平线扫描,医疗技术评估 (HTA),证据地图和文献评论的工具.

主要方法:

• 在六个数据库中搜索了健康和计算机科学文献.
• 采用双重和单一审查者的多阶段选过程,以确保高灵敏度.
• 从84篇包含的论文中提取了关于工具功能,支持,可靠性,挑战和研究差距的数据.

主要成果:

• 确定了84篇有关各种健康数据来源的自动化相关论文.
• 发现代码,数据和可用的工具的可用性不佳,导致透明度低,工作重复.
• 突出挑战包括财务影响,可扩展性,工作流集成,以及对强有力的评估的需求.

结论:

• 自动数据提取为加速健康研究提供了巨大的潜力.
• 提高工具透明度,代码/数据共享和战略规划对于有效实施至关重要.
• 需要进一步的研究来应对实际挑战,并确保对这些工具的有意义的评估.