有效的证据选择用于传统中医学的系统审查

科学领域:

• 医疗信息学 医疗信息学
• 基于证据的医学基于证据的医学.
• 传统中医研究 传统中医研究

背景情况:

• 传统中医药 (TCM) 的系统审查和指导方针需要广泛的证据选择.
• 目前用于证据选择的手动方法耗时,资源密集,容易出现错误.

研究的目的:

• 引入一种新的,精确优先的全面信息提取和选择程序.
• 为了提高TCM从业者的证据选择效率和准确性.

主要方法:

• 集成一个深度学习模型 (Evi-BERT与基于规则的方法) 和布尔逻辑算法.
• 利用扩展的检索策略来自动选择证据,最小的人类干预.
• 在十次对TCM主题的系统审查中测试了该方法,并与传统方法进行了比较.

主要成果:

• 新方法根据一致的标准准确地选择了文献,大大缩短了选时间.
• 与主观,容易出错的传统方法相比,证明了更好的准确性,并确定了更广泛的相关证据.
• 启用了对选择过程进行实时跟踪以进行验证和未来的参考.

结论:

• 提出了一种创新的方法来选择TCM审查和指导方针的临床证据,旨在减少研究人员的工作量.
• 该方法在提高效率和准确性方面表现有前途,但需要进一步验证.
• 这个工具可以帮助编辑评估TCM出版物的手稿质量.