• Non ci sono risultati.

ESTRAZIONE DEI DATI

N/A
N/A
Protected

Academic year: 2021

Condividi "ESTRAZIONE DEI DATI"

Copied!
5
0
0

Testo completo

(1)

PROLOGO Protocollo CAPITOLO 1 Quesito CAPITOLO 2 Background CAPITOLO 3 Ricerca degli studi CAPITOLO 4 Selezione degli studi CAPITOLO 5 Valutazione critica

degli studi CAPITOLO 6 Estrazione dei dati CAPITOLO 7

CAPITOLO 8 EPILOGO

ESTRAZIONE DEI DATI

Processo per mezzo del quale i ricercatori ottengono le informazioni necessarie sulle caratteristiche e i risultati degi studi inclusi

PERCHÈ È IMPORTANTE

 Riassumere gli studi in un formato comune e facilitare la sintesi e la presentazione dei dati

 Per identificare i dati numerici per la meta-analisi

 Ottenere informazioni per valutare in modo più oggettivo il rischio di bias e l’applicabilità degli studi

 Identificare I dati persi o non corretti, gli outcome mai studiati e le popolazioni poco rappresentate

Joseph Lau, M.D et al. Data Extraction. Presentation Training Modules for Systematic Reviews Methods Guide 2007 AHRQ

SUGGERIMENTI GENERALI



L’estrazione dei dati :



Riflettere accuratamente le informazioni contenute nel report



Mantenere una forma simile al report originale per poter risolvere facilmente qualsiasi discussione



Fornire informazioni sufficienti per capire gli studi e fare l’analisi



Estrarre solo i dati necessari (lavoro faticoso, costoso e a rischio di errori)



Ogni quesito di ricerca ha bisogno di dati diversi



Sono necessarie conoscenza dell’area di revisione, metodologiche e statistiche per estrarre le giuste informazioni

COSA SONO I DATI

LE INFORMAZIONI CONTENUTE IN UNO STUDIO

PARTECIPANTI RISULTATI

AMBIENTE METODI

CONTESTO PUBBLICAZIONI INTERVENTI INVESTIGATORI

OUTCOME

ESTRAZIONE DATI

PRIMO PASSO PIANIFICARE IL TIPO DI ANALISI E ELENCARE LE TABELLE DA INCLUDERE NEL

REPORT.

DIPENDERA’ DAL TIPO DI DATI E DAL QUESITO DI

RICERCA

(2)

QUALI DATI ESTRARRE

 Usare come guida il quesito/i e i criteri di eleggibilità (PICOS)

 Anticipare il contenuto delle tabelle riassuntive



Descrivere gli studi



Valutare gli esiti, il rischio di bias e l’applicabiiltà



Fare la meta-analisi

PARTECIPANTI

Dati che potrebbero influenzare la presenza o l’ampiezza degli effetti degli interventi e quelli che potrebbero aiutare chi userà la revisione a valutarne l’applicabilità

ESEMPIO

PARTECIPANTI

• Numero totale

• Ambiente (influenza sugli effetti: ricoverato, a domicilio o in casa protetta; area geografica/differenze culturali)

• Criteri diagnostici (criteri usati per la diagnosi, elementi per definire la gravità)

• Età

• Sesso

• Nazione

• Co-morbilità

• Fattori socio demografici

• Etnia

INTERVENTI

 Dettagli rilevanti per la revisione, soprattutto quelli che influenzano gli effetti e la loro l’ampiezza.

 Anche via di somministrazione, dose, tempistica, durata.

 Per interventi complessi è importante anche chi li somministra

INTEGRITÀ DEGLI INTERVENTI

(Handbook Cochrane 2011)

Il grado con il quale le procedure o gli interventi sono stati implementati come

pianificato.

(compliance)

Risultati dipendono dalla completezza della somministrazione

INTEGRITÀ DEGLI INTERVENTI

COSA VALUTARE

1) ADERENZA, l’intervento viene somministrato come prescritto 2) DOSAGGIO, quantità, frequenza, durata della somministrazione dell’intervento

3) QUALITA’ DELLA SOMMINISTRAZIONE, aspetti qualitativi come la formazione degli implementatori o la loro attitudine positiva 4) RISPOSTE DEI PARTECIPANTI, livello di partecipazione, predisposizione verso l’intervento

5) DIFFERENZE DI PROGRAMMA, mezzi di controllo che assicurino

che tutti I soggetti ricevano il medesimo trattamento pianificato.

(3)

OUTCOME

Decidere se rilevare tutti gli outcome o solo quelli che interessano la revisione (Cochrane suggerisce il secondo)



Definizione: metodo diagnostico, nome della scala, definizione di soglia, tipo di comportamento



Tempistica



Unità di misura



Valore massimo e minimo delle scale e quale è preferibile



Eventuali esiti avversi

RISULTATI

Raccogliere quelli che riguardano gli esiti specificati nel protocollo.

Per ogni outcome

- Dimensioni del campione - Perdite di partecipanti

- Riassunto dei dati per ogni gruppo

- Stima dell’effetto con intervallo di confidenza - Analisi per sottogruppi

METODI E POSSIBILI BIAS

 Disegno dello studio.

 Durata totale dello studio.

 Creazione della sequenza

 Occultamento della sequenza di allocazione

 Cecità

 Altre possibili fonti di bias

ALTRE INFORMAZIONI

 Reference ad altri studi importanti

 Dettagli per contattare gli autori,

 Fonti di finanziamento e potenziali conflitti di interesse

 Conclusioni principali

ESTRARRE DATI DALLO STESSO STUDIO PUBBLICATO PIÙ VOLTE

UN REPORT POTREBBE INCLUDERE INFORMAZIONI NON PRESENTI NEGLI ALTRI

Due strategie

1)estrarre I dati da ogni report separatamente e poi combinare le informazioni

2)estrarre I dati da tutti i report direttamente in un unico modello

 Se sono articoli completi meglio una scheda per ciascuno

 Se atti di conferenze conviene scheda unica per tutti gli atti.

QUALE MODELLO USARE

DIPENDE DAL QUESITO DELLA REVISIONE.

(4)

CARTACEO

VANTAGGI

 Convenienza

 Estrazione dati ovunque

 Facile da creare e implementare

 Fornisce una registrazione permanente

Semplice da comparare con altri.

ELETTRONICO

VANTAGGI

 Inserimento ed estrazione dati in un solo passaggio

 Può guidare l’autore lungo il processo

 I dati si conservano e si consultano facilmente

 Permette di fare eventuali conversioni (errore standard)

Rapida comparazione con quello degli altri autori .

PIANIFICARE UN FORMATO ELETTRONICO

 Test pilota con un modello cartaceo

 Strutturare in modo logico l’ingresso dei dati

 Verificara la compatibilità con eventuale software scelto per l’analisi dei dati (RevMan 5)

 Considerare I meccanismi per registrare, valutare e correggere eventuali errori

SUGGERIMENTI

• Inserire titolo della revisione o numero identificativo

• Includere l’eventuale data di revisione o numero della versione del modello utilizzato

• Nome della persona che sta compilando il modulo

• Spazio per le note vicino all’inizio del modello.

• Un solo ID dello studio e uno solo per il report così si crea un collegamento fra differenti report dello stesso studio.

SUGGERIMENTI

• Inserire la valutazione dell’eleggibilità nella parte iniziale del modello.

• Registrare la fonte di ogni informazione importante (dove è stato trovato nel report)

• Registrare anche “non riportato” e “non chiaro” oltre

“sì” e “no”

• Ridurre al minimo le caselle di testo libero.

• Raccogliere sempre dimensioni del campione

• Spazio per le note

CHI DEVE ESTRARRE I DATI

ALMENO DUE RICERCATORI ,

preferibilmente di discipline complementari (metodologo e esperto dell’area)

MINIMIZZARE GLI ERRORI

RIDURRE POTENZIALI BIAS

(5)

CONSENSO

PIANIFICARE IN ANTICIPO UNA PROCEDURA PER IDENTIFICARE E RISOLVERE I DISACCORDI.

1) Discussione

2) Terzo parere

3) Ricorrere agli autori dello studio

ESEMPIO JBI

Riferimenti

Documenti correlati

Schematizzare una procedura di valutazione della performance della linea, indicando quali indicatori di performance dovrebbero essere stimati ed in base a quali variabili misurabili

“extra di Sky” con decoder My Sky HD, servizio On Demand attivo, servizio My Sky attivo o sottoscrittori dell’opzione Sky HD), alla durata contrattuale “extra

d) funzione di calcolo: l'algoritmo introdotto può richiedere l'esecuzione di varie operazioni sui dati, delle quali alcune possono essere di tipo aritmetico e altre di tipo

Il documento di consultazione inviato da EVCA - l'associazione che raggruppa gli operatori europei di private equity e venture capital - segnala il rischio di una ritirata delle

 Dunque anche la statistica fornisce basi tecniche al data mining, sia per il processo di costruzione di pattern che per il processo di verifica della validità di quest'ultimi. 

In questo caso, a prescindere da quanto valorizzato in prima nota nel bottone 3.000€, vengono estratte tutte le registrazioni comprese nei limiti a valore impostati nei

Per risolvere il problema della complessità, che rende il mining di criptovaluta appannaggio esclusivo delle grandi aziende, vengono in aiuto il cloud mining e il mining pool,

[r]