La eliminación de duplicados es una tarea aparentemente técnica y secundaria dentro de una revisión sistemática, pero tiene consecuencias metodológicas importantes. Si una herramienta elimina por error un registro único, el equipo puede perder un estudio potencialmente relevante antes de iniciar el cribado. Si, por el contrario, deja demasiados duplicados sin eliminar, aumenta la carga de trabajo durante la selección por título y resumen.
Un estudio reciente publicado en Research Synthesis Methods compara la precisión y la velocidad de ocho herramientas de deduplicación: ASySD (The Automated Systematic Search Deduplicator), Covidence, Deduklick, EPPI-Reviewer, PICO Portal, Rayyan, SRA Deduplicator: Focused y SRA Deduplicator: Relaxed.
Los autores utilizaron cinco conjuntos de registros procedentes de revisiones Cochrane y los compararon con conjuntos de referencia creados por especialistas en información. Evaluaron tres resultados principales: registros únicos eliminados por error, duplicados retenidos por error y tiempo total de deduplicación.
Resultados principales
El estudio evaluó tres desenlaces principales:
Registros únicos eliminados por error (false positives): registros que la herramienta consideró duplicados, aunque en realidad eran únicos. Es el error más crítico, porque puede hacer desaparecer estudios potencialmente elegibles.
Duplicados retenidos por error (false negatives): duplicados que la herramienta no detectó. Es un problema menor desde el punto de vista metodológico, pero aumenta la carga de cribado.
Tiempo total de deduplicación: incluye tanto el proceso automático como la revisión manual necesaria en algunas herramientas.
Desde el punto de vista metodológico, el desenlace más importante es la eliminación errónea de registros únicos. Un duplicado no eliminado puede detectarse más adelante durante el cribado. En cambio, un registro único eliminado antes del cribado puede desaparecer definitivamente del flujo de selección. En este sentido, Rayyan fue la herramienta más conservadora, con solo dos registros únicos eliminados por error. Sin embargo, este resultado se obtuvo a costa de un tiempo muy elevado de trabajo manual: más de veinte horas en total.
Por otro lado, ASySD fue la herramienta que menos duplicados dejó sin eliminar, pero también la que más registros únicos eliminó erróneamente. SRA Deduplicator: Relaxed fue la más rápida, pero retuvo muchos más duplicados que otras herramientas.
La siguiente tabla integra los resultados principales. En todos los casos, valores más bajos indican mejor rendimiento.
El mensaje más importante del estudio es que ninguna herramienta fue superior en los tres desenlaces. Todas presentaron fortalezas y debilidades.
¿Qué herramienta elegir?
Este estudio muestra que todas las herramientas evaluadas ofrecen un rendimiento suficientemente aceptable, pero ninguna domina claramente en todos los desenlaces. Por tanto, la pregunta práctica no debería ser “¿cuál es la mejor herramienta?”, sino “qué herramienta se ajusta mejor a las prioridades y recursos de este equipo de revisión”: tiempo disponible, presupuesto, necesidad de revisión manual y tolerancia al riesgo de perder registros únicos.
Para equipos de revisión, bibliotecarios médicos y especialistas en búsquedas, la lección práctica es clara: conviene documentar qué herramienta se utiliza, qué criterios se aplican y qué grado de revisión manual se realiza. La transparencia en la deduplicación forma parte de la calidad metodológica de la revisión.
Referencia
Bateup S, Fulbright H, Moberg K, Hair K, Peterson E, Stansfield CM, Qureshi R, Clark J. Evaluating the accuracy and speed of eight deduplication tools: A comparative study. Research Synthesis Methods. 2026;00:1-14. doi:10.1017/rsm.2026.10100.
Los estándares metodológicos coinciden en una idea central: la búsqueda debe ser sistemática, planificada y lo más amplia posible para reducir sesgos (especialmente sesgo de publicación y de reporte) y capturar la mayor parte de la evidencia relevante (1). A diferencia de una revisión tradicional donde un autor puede elegir artículos de su preferencia («handpicking»), una búsqueda exhaustiva busca identificar toda la evidencia disponible que responda a una pregunta de investigación específica para evitar el sesgo de selección. En una anterior entrada ya hemos analizado cómo podemos saber si nuestra búsqueda es exhaustiva. Ahora veamos lo que realmente significa “exhaustividad” (comprehensiveness).
Exhaustividad no equivale a “hacer una búsqueda larga” ni a “meter muchas palabras”. Es diseñar un proceso que aspire a identificar el conjunto más completo y no sesgado posible de estudios pertinentes para una pregunta predefinida. En el Manual Cochrane (1) lo expresa de forma directa: la búsqueda debe ser tan extensa como sea posible para reducir el riesgo de sesgo de reporte/publicación e identificar la mayor cantidad de evidencia relevante.
¿Significa esto que hay que usar absolutamente todos los métodos imaginables?, no, es decidir (y justificar) cómo lograr un conjunto de evidencia completo y no sesgado con los recursos disponibles.
3 pilares de la exhaustividad: cobertura, sensibilidad y trazabilidad
Si una búsqueda no es exhaustiva y documentada en detalle, la evidencia resultante no se considera válida ni fiable para la toma de decisiones clínicas. Es, de hecho, el factor principal que distingue a una revisión sistemática de cualquier otro tipo de revisión bibliográfica.
Analicemos los tres pilares de la exhaustividad:
1. Cobertura: no hay exhaustividad con una sola fuente
Una revisión que busca “toda la evidencia” pero consulta una única base (p. ej., solo PubMed) es vulnerable por definición: indexación incompleta, diferencias en tesauros, retrasos de indización, sesgos geográficos/idiomáticos, etc. La evidencia empírica lo respalda: en un estudio sobre revisiones Cochrane, buscar en ≥2 bases de datos aumentó cobertura/recall y redujo el riesgo de perder estudios elegibles; y cuando se sospecha que los artículos son difíciles de localizar, deben añadirse métodos suplementarios (2).
Y, desde la perspectiva de combinaciones “óptimas”, Bramer et al. observaron que varias referencias incluidas solo aparecen en una base de datos y propusieron como combinación mínima eficiente (dependiente del tema) incluir, al menos, Embase, MEDLINE, Web of Science y Google Scholar para maximizar recall (3).
Bien es verdad que no existe un número universal de bases de datos. Lo que exigen los estándares es justificar por qué esas fuentes son las adecuadas para tu pregunta y tu campo. Cochrane (1), por ejemplo, establece como mínimo para sus revisiones la consulta de CENTRAL, MEDLINE y Embase, además de fuentes especializadas según el tema.
2. Sensibilidad: maximizar recall sin perder el control
La búsqueda exhaustiva prioriza sensibilidad (recall) frente a precisión (precision), aceptando que habrá ruido. El Manual Cochrane (1) lo formula explícitamente: hay que maximizar sensibilidad procurando una precisión razonable; aumentar sensibilidad suele bajar precisión y recuperar más irrelevantes. En este punto hay que afirmar que ruido no significa mala búsqueda; puede significar que se ha protegido la revisión contra la omisión de estudios relevantes.
3. Trazabilidad: exhaustividad sin documentación no existe
Una búsqueda “muy buena” pero no reproducible es metodológicamente débil. PRISMA 2020 (4) exige describir todas las fuentes consultadas (bases, registros, webs, listas de referencias, etc.) y la fecha de última consulta. Además, pide presentar las estrategias completas (línea a línea) para todas las bases/registros/webs, con límites y filtros, para permitir evaluación de la exhaustividad, replicación y actualización.
PRISMA-S (2021) va un paso más allá con una lista específica (16 ítems) para reportar búsquedas de forma completa y reproducible (5).
¿Cuáles son los componentes de una búsqueda exhaustiva?
A. Múltiples bases y fuentes
Una búsqueda exhaustiva combina:
Bases bibliográficas generales y especializadas (según tema). Se recomienda realizar búsquedas en un rango de 3 a 5 bases de datos bibliográficas académicas relevantes para el área de estudio (por ejemplo, MEDLINE, EMBASE, CINAHL o Scopus).
Registros de ensayos y repositorios de resultados cuando aplica (p. ej., ClinicalTrials.gov, ICTRP).
Literatura gris. Incluye investigaciones que no han sido publicadas en revistas comerciales tradicionales (como tesis, informes técnicos o actas de conferencias). Omitir la literatura gris puede introducir un sesgo significativo, ya que a menudo los estudios con resultados negativos o neutrales no llegan a publicarse en revistas de alto impacto (sesgo de reporte).
Búsqueda web (agencias reguladoras, organizaciones, etc.).
B. Vocabulario controlado + texto libre (y traducción entre plataformas)
Hay que usar tanto texto libre como encabezamientos (MeSH, Emtree, etc.) y personalizar y adaptar las estrategias por cada base. Además, recuerda que MeSH≠Emtree, la indización difiere y para ser lo más exhaustivo posible hay que incorporar un rango amplio de sinónimos, variantes ortográficas, truncamientos y operadores de proximidad.
Siempre recordando que “traducir la estrategia”no es copiar/pegar; es conservar el concepto y adaptar la sintaxis y el comportamiento del buscador (campos, explosión, proximidad, stopwords, mapeo automático).
C. Técnicas adicionales
La propia lógica metodológica es simple: ninguna base indexa “todo” y la evidencia muestra que métodos suplementarios pueden añadir estudios que el searching en bases no recupera. Para cerrar el círculo de la exhaustividad, se deben emplear métodos como la «búsqueda manual» (handsearching) y el «encadenamiento de citas» (citation chaining), que consiste en revisar las referencias de los artículos encontrados para localizar estudios adicionales que las bases de datos pudieron omitir.
D. Control de calidad: revisión por pares de la estrategia (PRESS)
El estándar PRESS (6) formaliza la revisión por pares de estrategias electrónicas y define elementos típicos donde aparecen errores (operadores booleanos/proximidad, encabezamientos, texto libre, límites/filtros, sintaxis, etc.). PRISMA 2020 incluso sugiere reportar si hubo peer review y qué herramienta se utilizó (p. ej., PRESS).
Errores frecuentes que “rompen” la exhaustividad
Una sola base (o varias, pero sin complementariedad).
No combinar tesauro + texto libre, o no adaptar la estrategia a cada base.
Límites no justificados (idioma/fecha/tipo de documento) aplicados en la búsqueda, no como criterio de selección. PRISMA pide que los límites se reporten y se justifiquen en relación con criterios de elegibilidad.
Omitir literatura gris/registros cuando el riesgo de sesgo de publicación es material.
No informar de las estrategias completas (solo “buscamos en PubMed y Embase”): impide evaluar calidad, reproducir y actualizar.
BIBLIOGRAFÍA
Lefebvre C, Glanville J, Briscoe S, Featherstone R, Littlewood A, Metzendorf M-I, Noel-Storr A, Paynter R, Rader T, Thomas J, Wieland LS. Chapter 4: Searching for and selecting studies [last updated March 2025]. En: Higgins JP, Thomas J, Chandler J, Cumpston M, Li T, Page MJ, et al, editor(s). Cochrane Handbook for Systematic Reviews of Interventions version 6.5.1 Cochrane, 2025.Disponible en: cochrane.org/handbook.
Ewald H., Klerings I., Wagner G., Heise TL., Stratil JM., Lhachimi SK., et al. Searching two or more databases decreased the risk of missing relevant studies: a metaresearch study. Journal of Clinical Epidemiology. 2022;149:154-64, doi: 10.1016/j.jclinepi.2022.05.022.
Bramer WM, Rethlefsen ML, Kleijnen J, Franco OH. Optimal database combinations for literature searches in systematic reviews: a prospective exploratory study. Syst Rev. 2017 Dec 6;6(1):245. doi: 10.1186/s13643-017-0644-y.
Page MJ, Moher D, Bossuyt PM, Boutron I, Hoffmann TC, Mulrow CD, Shamseer L, Tetzlaff JM, Akl EA, Brennan SE, Chou R, Glanville J, Grimshaw JM, Hróbjartsson A, Lalu MM, Li T, Loder EW, Mayo-Wilson E, McDonald S, McGuinness LA, Stewart LA, Thomas J, Tricco AC, Welch VA, Whiting P, McKenzie JE. PRISMA 2020 explanation and elaboration: updated guidance and exemplars for reporting systematic reviews. BMJ. 2021 Mar 29;372:n160. doi: 10.1136/bmj.n160.
Rethlefsen ML, Kirtley S, Waffenschmidt S, Ayala AP, Moher D, Page MJ, Koffel JB; PRISMA-S Group. PRISMA-S: an extension to the PRISMA Statement for Reporting Literature Searches in Systematic Reviews. Syst Rev. 2021 Jan 26;10(1):39. doi: 10.1186/s13643-020-01542-z.
McGowan J, Sampson M, Salzwedel DM, Cogo E, Foerster V, Lefebvre C. PRESS Peer Review of Electronic Search Strategies: 2015 Guideline Statement. J Clin Epidemiol. 2016 Jul;75:40-6. doi: 10.1016/j.jclinepi.2016.01.021.
Imagina esto: después de meses de analizar y organizar datos, ya tienes lista tu revisión sistemática para enviarla. Pero, justo días antes de enviarla, te topas por casualidad con tres artículos clave que tu estrategia de búsqueda ni siquiera consideró y que cambian todo lo que pensabas. Es el miedo más grande de cualquier bibliotecario: no saber si realmente has encontrado todo lo que hay.
Y es que cuando trabajamos en síntesis de evidencia, la «intuición» del experto o la simple acumulación de años de experiencia no son salvaguardas suficientes. Y por eso es tan necesario la validación de la sensibilidad de la búsqueda de evidencia que transforma una recopilación bibliográfica convencional en un proceso científico reproducible y defendible ante cualquier auditoría metodológica.
Este interesante artículo de Lagisz et al, recientemente publicado, nos da unas pautas de actuación para evaluar la sensibilidad de las estrategias de búsqueda. Analicemos este artículo y su propuesta.
«Recall absoluto» y «recall relativo»
En revisiones sistemáticas se prioriza típicamente «alto «recall» (minimizar pérdida de estudios relevantes), aceptando un descenso de precisión que luego se gestiona con cribado. En el ámbito de la recuperación de información, es teóricamente imposible garantizar un «recall absoluto». Esto se debe a que el universo total de la literatura existente es, por definición, desconocido; no podemos medir lo que no sabemos que existe. Para resolver esta incertidumbre, debemos adoptar el concepto pragmático de «recall relativo« (o sensibilidad).
Cálculo del recall absoluto. Recall (en español, exhaustividad o sensibilidad) es la proporción de documentos relevantes que un sistema consigue recuperar del total de documentos relevantes que existen en la colección para una necesidad de información dada.
Bajo este enfoque, evaluamos nuestra estrategia frente a una muestra representativa y conocida de estudios. Esto nos permite sustituir la subjetividad por una métrica objetiva de rendimiento, optimizando el balance entre la exhaustividad y la manejabilidad de los resultados.
El corazón del proceso es el set de referencia o artículos «semilla«. Un error metodológico crítico es el sesgo circular: diseñar la estrategia de búsqueda y luego seleccionar para el set de validación artículos que esa misma cadena ya encontró. Esto no es más que un sesgo de Confirmación que «engaña» al cálculo con artículos homogéneos, invalidando la prueba de estrés de la estrategia.
Para que este set actúe como un verdadero «estándar de oro», debe ser externo y recolectado mediante mejores prácticas:
• Recolección Temprana: El set debe reunirse estrictamente antes de diseñar la estrategia de búsqueda definitiva.
• Fuentes Diversas: Debe incluir revisiones sistemáticas previas, rastreo de citas (backward/forward tracking), etc.
• Revisión por Expertos: Consulta con especialistas en el área temática para garantizar la representatividad de autores y años.
• Heterogeneidad: Debe reflejar la variedad de terminología y términos controlados del tema para evitar la homogeneidad simplista.
6 Etapas del flujo de trabajo del bibliotecario
Para validar nuestra búsqueda, Lagisz et al., nos sugieren seguir este flujo de trabajo secuencial:
Recolección del set de evaluación comparativa («benchmarking»): Define el alcance y reúne los estudios que sean útiles que encuentres, ya sea hablando con expertos o buscando en otras fuentes.
Búsqueda de identificadores: Localiza los DOI de cada estudio y combínalos con el operador OR para crear una «cadena de benchmarking» compacta. Si un estudio no aparece por DOI, debe buscarse por título o autor para verificar si la ausencia es real.
Personalización del set: Verifica cuáles estudios están indexados en la base de datos actual. Debemos eliminar los estudios no indexados del cálculo para no penalizar injustamente el puntaje de sensibilidad (unfairly lowering the sensitivity score).
Ejecución de la búsqueda objetivo: Aplica tú estrategia de búsqueda completa (MeSH, Emtree, palabras clave y lógica booleana) y registra el número total de resultados (hits).
Prueba de solapamiento: Cruza ambas cadenas mediante el operador AND en un bloque lógico simple: [Cadena de Búsqueda Objetivo] AND [Cadena del set de evaluación comparativa].
Cálculo de sensibilidad: Aplica la fórmula para obtener el «recall relativo» y determina si el resultado inicia un ciclo de mejora.
Cálculo e Interpretación
En una revisión sistemática, buscamos una sensibilidad alta, pero esto suele aumentar el «ruido» (resultados irrelevantes). No existe un umbral universal del 100% por lo que el equipo de revisión debe decidir cuándo la búsqueda es «suficientemente buena».
Fórmula de sensibilidad (recall):
Sensibilidad = (Estudios del set encontrados) / (Total de estudios del set indexados en la base de datos)
Ejemplo práctico: Si su set de referencia consta de 5 artículos indexados en Scopus y su cadena objetivo captura 4 de ellos:
Cálculo: 4 / 5 = 0.8
Resultado: 80% de sensibilidad.
Interpretación: El 20% de la literatura clave es «invisible« para su búsqueda actual, lo que exige una justificación técnica de si ese nivel de riesgo es aceptable o requiere refinamiento.
¿Qué pasa si la sensibilidad es baja?
Si este es nuestro caso, debemos realizar un análisis diagnóstico de los estudios «no capturados» siguiendo esta lista de tareaspara el Refinamiento:
Aislar omisiones: Ejecutar Cadena de Benchmarking NOT Cadena de Búsqueda Objetivo para visualizar exclusivamente los artículos que su estrategia ignoró.
Análisis de registros: Examinar los campos de título, resumen y términos controlados (encabezamientos de materia) de los estudios perdidos.
Ajuste de lógica: Incorporar sinónimos detectados o flexibilice los operadores de proximidad y truncamiento.
Justificación Técnica: Documentar la justificación razonada detrás de cada término añadido para mantener la trazabilidad.
Revalidación: Repetir el cálculo de sensibilidad hasta alcanzar el equilibrio deseado por el equipo de revisión. Este refinamiento garantiza que la búsqueda final sea un reflejo fiel del estado del arte, cumpliendo con los estándares de transparencia internacional.
Bibliografía
Lagisz M, Yang Y, Young S, Nakagawa S. A practical guide to evaluating sensitivity of literature search strings for systematic reviews using relative recall. Res Synth Methods. 2025 Jan;16(1):1-14. doi: 10.1017/rsm.2024.6.
La inteligencia artificial está irrumpiendo con fuerza en la síntesis de evidencia. Un estudio reciente de la Agencia Canadiense de Medicamentos (CDA-AMC) ofrece datos interesantes que conviene conocer (Featherstone R, Walter M, MacDougall D, Morenz E, Bailey S, Butcher R, et al. Artificial Intelligence Search Tools for Evidence Synthesis: Comparative Analysis and Implementation Recommendations. Cochrane Evidence Synthesis and Methods. 2025;3(5):e70045, doi: 10.1002/cesm.70045.).
Este artículo tuvo como objetivo evaluar el potencial de herramientas de búsqueda basadas en inteligencia artificial (Lens.org, SpiderCite y Microsoft Copilot) para apoyar la síntesis de evidencia vs. métodos de búsqueda tradicionales y establecer recomendaciones de implementación bajo un enfoque “fit for purpose”, es decir, utilizar cada herramienta solo para tareas específicas donde aporten valor. Se evaluaron siete proyectos completados en la agencia, aplicando búsquedas de referencia (método tradicional) frente a búsquedas con cada herramienta de IA. Se midieron sensibilidad/recall, número necesario a leer (NNR), tiempo de búsqueda y cribado, y contribuciones únicas de cada herramienta. Además, se recogió experiencias de los especialistas en información sobre usabilidad, limitaciones y sorpresas en el uso de los tres sistemas.
Resultados
Método / Herramienta
Sensibilidad promedio
Diferencias entre proyectos simples y complejos
NNR (número necesario a leer)
Tiempo de búsqueda
Observaciones principales
Métodos tradicionales
0.98 – 1 (casi perfecta)
Consistentemente alta en todos los proyectos
Más bajo que IA
2.88 h en promedio
Estándar de referencia, máxima fiabilidad
Lens.org
0.676
Simples: 0.816 Complejos: 0.6
Más alto que el estándar (98 vs 83)
Mayor tiempo (2.25 h, más que Copilot o SpiderCite)
Mejor de las IA, pero menos eficiente; útil en búsquedas simples y de autores
SpiderCite
0.23 – 0.26
Similar en simples y complejos
Variable (Cited by mejor que Citing)
~1.25 h
Muy baja sensibilidad, pero puede aportar referencias únicas en temas complejos; solo útil como complemento
Copilot
0.24 (muy variable: 0–0.91 según proyecto)
Simples: 0.41 Complejos: 0.15
Muy variable (mejor en simples, muy alto en complejos)
Más rápido (0.96 h promedio)
Dependiente de la calidad de los prompts; no sustituye estrategias, útil para sugerir palabras clave
Sensibilidad = proporción de estudios relevantes efectivamente recuperados. NNR = número necesario a leer; cuanto menor, mejor eficiencia de cribado.
Verde = mejor desempeño relativo. Amarillo = intermedio / aceptable. Rojo = débil. Naranja = muy variable según proyecto.
Discusión
Las herramientas de IA mostraron rendimiento variable e inconsistente, lo que implica que no pueden reemplazar las búsquedas profesionales estándar en revisiones sistemáticas.
Pueden generar falsa confianza en usuarios sin experiencia. Se requiere conocimiento experto en construcción de estrategias y en validación de resultados para corregir limitaciones.
Limitaciones del estudio: solo se evaluaron 7 proyectos y 3 herramientas, sin analizar combinaciones entre ellas
Recomendaciones de implementación
La CDA-AMC propuso un uso limitado y estratégico:
Lens.org: útil para revisiones con preguntas acotadas y técnicas (como dispositivos con una función o población bien definida) o para identificar rápidamente autores vinculados a un tema o indicación clínica cuando los métodos estándar no alcanzan.
SpiderCite: complemento para búsquedas de citas en proyectos complejos, siempre que se disponga de artículos semilla.
Copilot (u otros LLMs): apoyo en la generación de palabras clave y términos de búsqueda, pero no para estrategias completas
Conclusión
Las tres herramientas evaluadas (Lens.org, SpiderCite, Copilot) no son adecuadas para reemplazar estrategias de búsqueda complejas en revisiones sistemáticas, debido a variabilidad en sensibilidad y precisión. Sin embargo, tienen potencial como apoyos puntuales en tareas específicas: generación de términos, búsquedas simples o de citas, y exploración preliminar. El estudio subraya la necesidad de mantener el papel central del bibliotecario/experto en información en la validación de cualquier resultado generado con IA, y de continuar monitorizando nuevas herramientas dada la rápida evolución tecnológica.
Reflexiones para quienes trabajamos en bibliotecas médicas
Las herramientas de IA pueden ahorrar tiempo en fases preliminares, generar ideas de términos de búsqueda, identificar autores, pero no deben utilizarse como única estrategia para revisiones sistemáticas si se espera exhaustividad.
Es clave entender los límites: sensibilidad menor, posible sesgo en lo que captura IA, variabilidad según prompt o según lo cerrado o amplio que sea el tema.
Siempre debe haber validación humana experta, verificación de resultados únicos que aparezcan en IA, comparación con lo recuperado por métodos tradicionales.
La base de toda revisión sistemática y otros estudios de síntesis sólidos es una búsqueda de evidencia cuidadosamente diseñada y rigurosamente ejecutada (1). En la búsqueda bibliográfica cómo se busca, dónde se busca y quién diseña la estrategia son factores que pueden marcar una diferencia crítica en la calidad de la evidencia recopilada.
En el proceso de búsqueda pueden surgir dos tipos principales de sesgos:
Sesgo de identificación: aparece cuando no se localizan estudios relevantes, a menudo porque la estrategia de búsqueda no es suficientemente sensible o porque no se han explorado todas las fuentes pertinentes. Este tipo de sesgo es especialmente problemático en revisiones sistemáticas que sirven de base para tomar decisiones clínicas, ya que puede comprometer la validez de los resultados.
Sesgo de diseminación (o de publicación): se produce cuando los resultados de un estudio influyen en su probabilidad de ser publicados. Por ejemplo, los estudios con resultados positivos tienen más probabilidades de publicarse, de hacerlo en inglés, con mayor rapidez o de recibir más citas. Este fenómeno puede distorsionar la percepción de la eficacia de una intervención.
¿Cómo reducir estos sesgos?
Diseñar una estrategia de búsqueda rigurosa, con la colaboración de un especialista en información. Idealmente, esta estrategia debe ser revisada por pares antes de ser ejecutada (1,4-6). La participación de bibliotecarios especializados en ciencias de la salud en revisiones sistemáticas no es un añadido opcional, sino una práctica recomendada por las principales guías metodológicas (7-9) y respaldada por la evidencia científica (10-11).
Utilizar múltiples bases de datos bibliográficas. Se recomienda un mínimo de dos para revisiones sistemáticas, pero también se debe justificar su elección. Según el Cochrane Handbook, el objetivo de las búsquedas es identificar todos los estudios relevantes disponibles, lo que requiere desarrollar estrategias lo más sensibles posibles, sin perder de vista la pertinencia de los resultados (7). Debemos hacer balance entre la precisión y exhaustividad pero teniendo en cuenta que el objetivo de una búsqueda para una RS es identificar todos los estudios pertinentes (maximizar la sensibilidad pero con una precisión razonable). Una de las cuestiones más complicadas es cuando dar por finalizada la búsqueda. En este equilibrio entre amplitud y relevancia, la experiencia del bibliotecario resulta fundamental.
Ampliar la búsqueda más allá de las bases de datos. La inclusión de fuentes como motores de búsqueda, registros de ensayos clínicos, literatura gris, búsqueda complementaria de citas (forward y backward) y el contacto con expertos puede ser clave para identificar estudios que de otro modo pasarían desapercibidos.
Incluir estudios no publicados. Dado que una parte significativa de los estudios completados no se publican (12), buscarlos activamente en registros, literatura gris o sitios web especializados contribuye a mitigar el sesgo de publicación (13).
Tipo de sesgo
Descripción
Estrategias para minimizarlo
Sesgo de identificación
No se recuperan todos los estudios relevantes.
Diseñar una estrategia exhaustiva con ayuda de un bibliotecario experto Usar ≥2 bases de datos Evitar el uso uso de filtros/límites Ampliar con búsquedas complementarias
Sesgo de publicación o diseminación
Solo se publican ciertos tipos de resultados, como los positivos.
Buscar literatura gris Consultar registros de ensayos clínicos Contactar expertos Incluir estudios no publicados
Un dato revelador
Greenhalgh y Peacock (14) encontraron que solo el 25% de los artículos incluidos en su revisión fueron recuperados a través de bases de datos electrónicas. El resto provino de rastrear citas, conocimiento personal, contactos o búsqueda manual.
BIBLIOGRAFÍA
Metzendorf MI, Featherstone RM. Ensuring quality as the basis of evidence synthesis: leveraging information specialists’ knowledge, skills, and expertise. Cochrane Database of Systematic Reviews 2018, Issue 9. Art. No.: ED000125. doi: 10.1002/14651858.ED000125.
McGowan J, Sampson M. Systematic reviews need systematic searchers. JMLA 2005;93(1):74–80.
Rethlefsen ML, Farrell AM, Osterhaus Trzasko LC, Brigham TJ. Librarian co‐authors correlated with higher quality reported search strategies in general internal medicine systematic reviews. Journal of Clinical Epidemiology2015;68(6):617–26. doi: 10.1016/j.jclinepi.2014.11.025
McGowan J. Sampson M, Salzwedel DM, Cogo E, Foerster V, Lefebvre C. PRESS peer review of electronic search strategies: 2015 guideline statement. J Clin Epidemiol. 2016.75:40–46. doi: 10.1016/j.jclinepi.2016.01.021
Lefebvre C, Manheimer E, Glanville J. Chapter 6: Searching for studies. In: Higgins JPT, Green S. (Editors). Cochrane handbook for systematic reviews of interventions version 5.1.0. Updated March 2011. Accessed July 27, 2022. https://handbook-5-1.cochrane.org/chapter_6/6_searching_for_studies.htm
Aromataris E, Munn Z. Chapter 1: JBI systematic reviews. In: Aromataris E, Munn Z (Editors).In: JBI Manual for Evidence Synthesis. JBI; 2020. Accessed July 27, 2022. https://jbi-global-wiki.refined.site/space/MANUAL
Kugley S, Wade A, Thomas J, et al. Searching for studies: a guide to information retrieval for Campbell Systematic Reviews. Oslo: The Campbell Collaboration; 2017. Accessed July 27, 2022. doi: 10.4073/cmg.2016.1
Rethlefsen ML, Murad MH, Livingston EH. Engaging medical librarians to improve the quality of review articles. JAMA. 2014;312(10):999-1000. doi:10.1001/jama.2014.9263
Kirtley S. Increasing value and reducing waste in biomedical research: librarians are listening and are part of the answer. Lancet. 2016;387(10028):1601. doi:10.1016/S0140-6736(16)30241-0
Hong QN, Brunton G. Helping Trainees Understand the Strategies to Minimize Errors and Biases in Systematic Review Approaches. Educ Information. 2025;41(3):161–175; doi: 10.1177/01678329251323445.
Greenhalgh, T., & Peacock, R. (2005). Effectiveness and efficiency of search methods in systematic reviews of complex evidence: Audit of primary sources. BMJ. 2005:331(7524), 1064–1065. doi: 10.1136/bmj.38636.593461.68
El pasado 10 de junio participé, como cada año, en el curso de acogida y bienvenida a los nuevos residentes del Hospital Universitario de Getafe. Esta intervención, centrada tradicionalmente en los fundamentos de la búsqueda bibliográfica y los recursos de la biblioteca, ha ido evolucionando en los últimos años para dar cabida a los profundos cambios que la inteligencia artificial (IA) está generando en los procesos de búsqueda de información científica.
Les presenté el funcionamiento de la Biblioteca Virtual, un recurso esencial para el acceso a la información científica de calidad. Les mostré cómo registrarse correctamente en el portal para poder acceder, desde cualquier dispositivo y ubicación, a una amplia colección de bases de datos especializadas, revistas científicas, libros electrónicos y otros recursos suscritos por la red sanitaria pública. Hicimos especial hincapié en la importancia de utilizar estas fuentes institucionales frente a buscadores generalistas, y en cómo aprovechar al máximo los servicios disponibles para apoyar tanto la práctica clínica como sus actividades formativas e investigadoras.
En la edición de 2024, la IA ocupó aproximadamente un tercio del contenido. Este año, sin embargo, ha constituido ya la mitad de mi presentación, reflejo de su creciente relevancia tanto en la práctica clínica como en el proceso de aprendizaje e investigación de nuestros profesionales en formación.
Los propios residentes reconocieron utilizar con frecuencia herramientas de IA generativa —principalmente modelos como ChatGPT— para resolver dudas clínicas, localizar información rápida o redactar textos. Esta admisión evidencia una realidad incuestionable: la IA ya forma parte del entorno de trabajo cotidiano del personal sanitario. Sin embargo, también pone de manifiesto una necesidad urgente: formar a los nuevos profesionales en el uso crítico, seguro y eficaz de estas herramientas.
Durante la sesión, abordamos conceptos esenciales para entender la búsqueda de información basada en evidencia, desde el triángulo de la búsqueda eficiente hasta la jerarquía de las fuentes. En este contexto, presenté el papel complementario —que no sustitutivo— de la inteligencia artificial en la búsqueda bibliográfica. Se mostraron ejemplos concretos de herramientas de IA aplicadas a distintas fases del proceso: desde asistentes conversacionales como ChatGPT o Claude, hasta motores de síntesis como Elicit, y plataformas de análisis de citaciones como Scite.
Subrayé especialmente los riesgos de desinformación y sesgos si se emplean estas herramientas sin una evaluación humana crítica, y proporcioné orientaciones prácticas sobre cómo formular prompts efectivos.
Nuestro compromiso desde la biblioteca es acompañar esta transición, ofreciendo recursos de calidad, formación continua y apoyo experto. Porque saber buscar sigue siendo —más que nunca— una competencia esencial para el ejercicio profesional informado, riguroso y basado en la mejor evidencia disponible.
El pasado martes tuve el placer de impartir el curso “Fundamentos metodológicos de revisiones sistemáticas”, organizado por BiblioSalud, la red de bibliotecarios y profesionales de la información en ciencias de la salud de España. Esta sesión formativa, dirigida especialmente a bibliotecarios médicos, se centró en los aspectos clave que debemos conocer para comprender y acompañar con rigor el desarrollo de una revisión sistemática.
En esta entrada del blog quiero comenzar a compartir una selección de las herramientas y recomendaciones prácticas que utilizo habitualmente en mi trabajo diario con documentos de síntesis de evidencia.
El objetivo es ofrecer una guía no exhaustiva, hay muchas y variadas (ver figura) pero con recomendaciones y herramientas útiles y basada en mi experiencia, que sirva tanto a quienes empiezan como a quienes ya participan en revisiones sistemáticas desde las bibliotecas.
Voy a dividir las herramientas en varios apartados según su uso:
Recolección de términos controlados y libres.
Proceso de búsqueda y cribado.
Chatbots e inteligencia artificial para apoyar la confección de estrategias booleanas.
Herramientas para la búsqueda complementaria.
Otras herramientas recomendadas para las revisiones sistemáticas.
En esta entrada veremos las primeras de estas herramientas y recomendaciones para la recolección de términos.
Recolección de términos
Uno de los pasos más críticos en cualquier revisión sistemática es la correcta identificación de términos controlados y palabras clave. Una estrategia de búsqueda bien construida comienza con una recolección exhaustiva de términos y para ello contamos con una serie de recursos imprescindibles:
1.1. Entry Terms de MeSH Database.
La herramienta clásica para explorar la jerarquía de los Medical Subject Headings (MeSH). Nos permite ver la definición de cada término, sus sinónimos, su posición dentro del árbol jerárquico, subencabezamientos permitidos y términos relacionados o «Entry Terms». Fundamental para identificar los términos controlados exactos que se deben utilizar en PubMed y para entender el enfoque conceptual con el que el sistema indexa los documentos.
1.2. Sinónimos de Emtree de EMBASE
El Emtree es el tesauro específico de la base de datos Embase. Su lógica es similar al MeSH pero tiene su propia estructura y contiene más términos, especialmente útiles para temas en farmacología o dispositivos médicos. Conviene hacer búsquedas paralelas en MeSH y Emtree para comparar coberturas y encontrar sinónimos o variantes terminológicas que pueden enriquecer la estrategia.
Esta herramienta permite comparar los términos MeSH asignados, los términos empleados en el título y resumen así como las palabras clave de los autores a un conjunto de artículos. Es especialmente útil para detectar patrones o términos recurrentes en la literatura más relevante sobre tu tema. Solo necesitas extraer los PMIDs de los artículos clave y el analizador los agrupa mostrando visualmente los MeSH comunes. Ideal para verificar si estás pasando por alto términos relevantes o para ajustar tu estrategia inicial.
Esta herramienta permite analizar la frecuencia de palabras en títulos y resúmenes de los resultados de una búsqueda bibliográfica. Solo necesitas copiar y pegar el listado de referencias (por ejemplo, desde PubMed) y Word Freq generará un listado de términos ordenados por frecuencia. Es especialmente útil para:
Identificar términos clave y sinónimos que puedes haber pasado por alto.
Detectar conceptos emergentes o patrones de lenguaje en la literatura.
Afinar tu estrategia de búsqueda ajustando los términos libres.
Una herramienta sencilla pero muy eficaz para enriquecer la fase exploratoria de cualquier revisión sistemática.
Es una potente herramienta para realizar minería de datos sobre resultados de PubMed. Introduciendo una lista de PMIDs o haciendo una búsqueda directa, puedes ver las frecuencias de palabras en títulos, resúmenes y términos MeSH. También puedes analizar la aparición de autores, revistas, años de publicación… Es perfecta para afinar términos libres y obtener una imagen más clara del contexto bibliográfico.
Desarrollado por la National Library of Medicine, este recurso es especialmente útil cuando partimos de un texto breve (como el resumen de un protocolo o el título de un artículo). Solo tienes que copiar el contenido y MeSH on Demand te devuelve sugerencias de términos MeSH relevantes. Es una excelente forma de inspirarte cuando aún estás perfilando la estrategia inicial.
1.7. Asistente de inteligencia artificial MeshMaster
MeSHMaster es un chatbot especializado que utiliza inteligencia artificial para ayudarte a construir estrategias de búsqueda booleanas, combinando términos MeSH y palabras clave libres. A partir de una descripción breve del tema o una pregunta clínica, el asistente sugiere:
Términos MeSH relevantes y sinónimos.
Combinaciones booleanas iniciales (AND, OR, NOT).
Variantes terminológicas en inglés que pueden enriquecer la sensibilidad de la búsqueda.
Es una herramienta especialmente útil en las primeras fases de diseño de la estrategia, cuando se busca inspiración o una validación rápida de conceptos clave. Aporta rapidez sin perder la lógica estructural que requiere una buena estrategia de búsqueda.
Te invito a seguir mis próximas entradas para descubrir cómo integrar estas herramientas en tu revisión sistemática.
Características de las búsquedas para revisiones sistemáticas
Las revisiones sistemáticas requieren estrategias de búsqueda rigurosas (que identifiquen todos los registros relevantes, pero no tan amplia como para que haya demasiados artículos irrelevantes), transparentes y reproducibles (documentando los pasos que se dieron durante la búsqueda) de tal forma que permita que los futuros equipos de investigación se basen en el trabajo de la revisión sistemática (RS), así como también lo evalúen, valoren y critiquen.
Las revisiones sistemáticas requieren una búsqueda sistemática. Dada la complejidad de los lenguajes y reglas de indexación de las diversas bases de datos, la mejor manera para que el equipo de investigación asegure el rigor de la búsqueda es incluir un bibliotecario en el equipo de revisión.
Retos en la búsqueda de evidencia
El primer elemento de una revisión sistemática es la propia pregunta. La pregunta determinará el desarrollo de la estrategia de búsqueda y qué tipo de estudios se encontrarán. Si la pregunta no es lo suficientemente clara en este punto, es posible que no se detecten artículos que puedan ser de interés o que se encuentren muchos artículos que no son lo que se quiere.
Traslado de la pregunta de investigación a la estrategia de búsqueda. La pregunta es el punto de partida para estructurar una estrategia de búsqueda, es la de identificar los principales conceptos de la pregunta clínica (generalmente en un formato PICO para revisiones de intervención y PEO para revisiones de factores de riesgo). Los errores más comunes para traducir una pregunta de investigación en un plan de búsqueda incluyen perder un concepto importante y agregar demasiados conceptos. (ver entrada «¿Debo incluir los Resultados (Outcomes) en la estrategia de búsqueda de una revisión sistemática?«).
Aplicar límites. de forma segura para evitar sesgos y disminución de la sensibilidad. Los límites más empleados son los límites temporal, de idiomas o de acceso al texto completo gratuito pero estos solo se deben incluir en la estrategia si está justificado metodológicamente. La mejor manera de aplicar límites es hacerlo de tal manera que la búsqueda incluya registros indexados por un límite deseado sin faltar registros que cumplan con esa misma descripción pero que no se indexan de esa manera. Esto se puede lograr mediante el uso cuidadoso del operador booleano NOT (por ejemplo, para eliminar estudios animales y quedarnos solo con estudios en humanos). Ver entrada «¿Cómo limitamos el resultado de una búsqueda bibliográfica a solo humanos?: Recomendación para búsqueda en revisiones sistemáticas«. También debemos tener presente la utilización de los llamados filtros de búsqueda (ver entrada: «Qué son los filtros de búsqueda y principales herramientas para su localización«).
Errores comunes en las estrategias de búsqueda en revisiones sistemáticas
Errores en la selección de las fuentes de búsqueda
La producción de una revisión sistemática requiere la búsqueda sistemática en varias bases de datos bibliográficas. Se desconoce el número óptimo de bases de datos que hay que consultar, sin embargo, buscar en una sola base de datos no es suficiente, aunque no existe evidencia de la cantidad de bases de datos en las que se debe buscar. Una sola base de datos no representa todas las investigaciones potencialmente relevantes que existen. Al elegir incluir solamente una base de datos, el revisor está introduciendo un sesgo de selección en esta etapa temprana del proceso de revisión. La búsqueda solo de PubMed y Embase recupera el 71.5% de las publicaciones incluidas, mientras que agregar bases de datos adicionales a las estrategias de búsqueda aumenta la recuperación al 94.2% (el 5.8% de las referencias no se recuperan en ninguna base de datos) (Frandsen TF, Moos C, Linnemann Herrera Marino CI, Brandt Eriksen M, Supplementary databases increased literature search coverage beyond PubMed and Embase, Journal of Clinical Epidemiology (2025), doi: https://doi.org/10.1016/j.jclinepi.2025.111704.). Ver entrada «En qué bases de datos debemos buscar para una revisión sistemática: La producción de una revisión sistemática requiere la búsqueda sistemática en varias bases de datos bibliográficas.»En qué bases de datos debemos buscar para una revisión sistemática: La producción de una revisión sistemática requiere la búsqueda sistemática en varias bases de datos bibliográficas» y «Cobertura y solapamiento de las bases de datos utilizadas en las revisiones sistemáticas de ciencias de la salud«).
La búsqueda ha de realizarse en bases de datos automatizadas, pero también ha de incluirse búsquedas que complementen esta, como es la búsqueda de literatura gris. Si uno realmente quiere localizar toda la evidencia que hay no puede detenerse en la búsqueda de las principales bases de datos.
Insuficiente amplitud o sensibilidad de la búsqueda
La estrategia de búsqueda ha de ser una combinación de términos del lenguaje natural (campo de título y abstract) y el vocabulario controlado de las bases de datos consultadas (Leblanc V, Hamroun A, Bentegeac R, Le Guellec B, Lenain R, Chazard E. Added Value of Medical Subject Headings Terms in Search Strategies of Systematic Reviews: Comparative Study. J Med Internet Res. 2024 Nov 19;26:e53781. doi: 10.2196/53781.).
Debemos hacer balance entre la precisión y exhaustividad pero teniendo en cuenta que el objetivo de una búsqueda para una RS es identificar todos los estudios pertinentes (maximizar la sensibilidad pero con una precisión razonable). Una de las cuestiones más complicadas es cuando dar por finalizada la búsqueda. Una de las cuestiones más complicadas es cuando dar por finalizada la búsqueda.
Representación visual de precisión y sensibilidad al realizar una búsqueda de literatura de una revisión sistemática. Modificada y traducida de: Kumar V, Barik S, Raj V, Varikasuvu SR. Precision and Sensitivity: A Surrogate for Quality of Literature Search in Systematic Reviews. Clin Spine Surg. 2025;38(1):34-6.
Salvador-Oliván y cols., encontraron que, de las estrategias de búsqueda, el 92,7% contenían algún tipo de error. Para facilitar su presentación, los errores se agruparon en 2 categorías: los que afectan al recuerdo y los que no, siendo más frecuentes los primeros (78,1%) que los segundos (59,9%). La tabla siguiente presenta la frecuencia de los distintos tipos de errores.
Errores más comunes en las búsquedas en revisiones sistemáticas. Fuente: Salvador-Oliván JA, Marco-Cuenca G, Arquero-Avilés R. Errors in search strategies used in systematic reviews and their effects on information retrieval. J Med Libr Assoc. 2019 Apr;107(2):210-221. doi: 10.5195/jmla.2019.567.
Más recientemente, Rethlefsen y cols. encontraron que el 56.0% (163/291) de todas las búsquedas de bases de datos contenía al menos un error (Rethlefsen ML, Brigham TJ, Price C, Moher D, Bouter LM, Kirkham JJ, Schroter S, Zeegers MP. Systematic review search strategies are poorly reported and not reproducible: a cross-sectional metaresearch study. J Clin Epidemiol. 2024 Feb;166:111229. doi: 10.1016/j.jclinepi.2023.111229.).
Son relativamente fácil de tener errores con palabras mal escritas (3,8%) y errores en la sintaxis del sistema que no se encuentran fácilmente mediante la revisión ortográfica.
Es frecuente cometer errores en la aplicación de operadores booleanos (por ejemplo, OR puede haber sido sustituido involuntariamente por AND (o viceversa), o AND puede haberse utilizado para vincular frases o palabras (por ejemplo, como una conjunción) en lugar de como un operador booleano) y, más a menudo, olvidar usarlos son comunes. La mayoría de las bases de datos asumirán un AND cuando falte un operador, lo que reducirá en gran medida la sensibilidad y la precisión de su búsqueda. Por otro lado, algunas plataformas de búsqueda ignora los operadores booleanos cuando se escriben en minúscula aplicando el operador AND automáticamente al ser el operador por defecto. Esto ocurre en PubMed por lo que es recomendable escribir los operadores booleanos siempre en mayúscula.
Otro error común es la falta de precisión en la combinación con los operadores booleanos de los números de línea correcta. Por eso es muy recomendable verificar cada número de línea y combinaciones de números de línea para asegurarse de que la lógica de búsqueda se implementó correctamente.
Para intentar paliar estos errores de ejecución, es recomendable revisar la búsqueda y asegurarse de que el uso del anidamiento entre paréntesis sea lógico y se haya aplicado correctamente. También hay que tener en cuenta si el uso de un operador de proximidad o adyacencia en lugar de AND podría aumentar la precisión. Si se utilizan operadores de proximidad, considere si la amplitud elegida es demasiado reducida para capturar todos los casos esperados de los términos de búsqueda, que pueden variar dependiendo de si la base de datos en la que se busca reconoce o no palabras vacías. Considere si la amplitud es demasiado extensa. Y si se incluyen límites (por ejemplo, humanos o población de ancianos), debemos asegurarnos de que se haya utilizado la construcción adecuada.
De las diferentes formas de construcción de la estrategia de búsqueda, recomiendo la búsqueda por bloques, es decir, una línea por cada concepto de búsqueda partiendo de nuestra pregunta estructurada (PICOs) para intentar minimizar los errores antes descritos. De esta forma, la búsqueda se corresponderá con el marco de nuestra pregunta del que partimos en nuestra revisión. (ver entrada «Cómo estructurar la estrategia de búsqueda para revisiones sistemáticas: tres enfoques diferentes pero complementarios»).
Los términos de texto libre se utilizan normalmente para cubrir los encabezamientos de materia que faltan en la base de datos, recuperar registros no indizados o mal indizados. Debemos considerar los elementos del uso del texto libre, como demasiado restringido o demasiado amplio, la relevancia de los términos y si se han incluido sinónimos o antónimos.
Con respecto al uso de descriptores o encabezamientos de materia, hemos de comprobar si faltan encabezamientos o si son incorrectos los que utilizamos en nuestra estrategia, analizar la relevancia/irrelevancia de los términos y el uso correcto de la búsqueda ampliada para incluir términos relevantes más específicos.
Debemos considerar que el uso de subencabezamientos flotantes que en la mayoría de los casos son preferibles al uso de subencabezamientos ligados a encabezados de materias específicas.
Adaptación entre bases de datos y plataformas
Una vez hemos realizado la búsqueda en una base de datos debemos trasladar la estrategia a la siguiente base de datos. Esto significa que el vocabulario controlado, los términos del lenguaje natural y todas las demás etiquetas y operadores de campo utilizados deben ser lo más similar posible.
Deficiencias en la documentación de las estrategias de búsqueda de evidencia
Las búsquedas de revisión sistemática deben ser reproducibles, pero la mayoría no lo son. Rethlefsen y cols. encontraron que solo el 1% de las revisiones sistemáticas eran completamente reproducibles para todas las búsquedas de bases de datos. Además, las búsquedas de revisión sistemática siguen informándose mal. La gran mayoría de las revisiones sistemáticas (91%) ni siquiera proporciona suficientes detalles para identificar las bases de datos/plataformas utilizadas para todas las búsquedas de bases de datos (Rethlefsen ML, Brigham TJ, Price C, Moher D, Bouter LM, Kirkham JJ, Schroter S, Zeegers MP. Systematic review search strategies are poorly reported and not reproducible: a cross-sectional metaresearch study. J Clin Epidemiol. 2024 Feb;166:111229. doi: 10.1016/j.jclinepi.2023.111229.).
Recomendaciones para mejorar las estrategias de búsqueda en revisiones sistemáticas
Para intentar minimizar los errores en la búsqueda en revisiones sistemáticas, es recomendable que un segundo bibliotecario haga la revisión por pares de la búsqueda utilizando la herramienta PRESS (Peer Review of Electronic Search Strategies (McGowan J, Sampson M, Salzwedel DM, Cogo E, Foerster V, Lefebvre C. PRESS Peer Review of Electronic Search Strategies: 2015 Guideline Statement. J Clin Epidemiol. 2016 Jul;75:40-6. doi: 10.1016/j.jclinepi.2016.01.021. PMID: 27005575.) justo antes de finalizar el protocolo y antes de hacer las búsquedas definitivas de la revisión.
Y por último, para la mejora de las estrategias de búsqueda y su informe transparente es necesario implicar a los bibliotecarios, los equipos de revisión sistemática, los revisores por pares y los editores de revistas.
PubMed utiliza el Automatic Term Mapping (ATM) cuando introducimos términos en el cuadro de búsqueda. Es uno de los algoritmos aplicados a las búsquedas que compara los términos por nosotros escritos con una serie de tablas para encontrar términos relacionados y ampliar la búsqueda. Los términos no etiquetados que se introducen en el cuadro de búsqueda se cotejan (en este orden) con una tabla de traducción de Materias (incluido el MeSH o Medical Subject Headings), una tabla de traducción de Revistas, el índice de Autores y un índice de Investigadores (Colaboradores):
Si analizamos detenidamente la tabla de materias, veríamos que está formada por:
Términos MeSH
Entry Terms (See-Reference mappings) para los términos MeSH
MeSH Subheadings
Tipos de publicación
Pharmacological Actions
Supplementary Concepts (sustancias) y sus sinónimos
Tipo de publicación
Formas de palabras singulares y plurales
Ortografía británica y estadounidense
Marca comercial del medicamento la traduce al nombre genérico
Términos derivados del Unified Medical Language System (UMLS) que tienen sinónimos equivalentes o variantes léxicas en inglés
La asignación automática de términos significa que los términos de búsqueda que se introducen en la ventana de búsqueda se asignan automáticamente a términos MeSH. Sin embargo, cuando no se encuentra coincidencia dentro de la tabla de materias, el algoritmo continúa con la siguiente tabla de traducción y así sucesivamente. Si no se encuentra ninguna coincidencia, PubMed descompone la frase y repite el proceso de asignación automática de términos anterior hasta encontrar una coincidencia. Si no hay coincidencia, los términos individuales se combinarán con el operador «AND» y se buscarán así en todos los campos.
Cuando una búsqueda incluye términos que fueron etiquetados con un campo de búsqueda durante el proceso de asignación automática de términos y recupera cero resultados, el sistema activa una búsqueda posterior utilizando «Schema: all .» que modifica la búsqueda eliminando las etiquetas de campo de búsqueda añadidas automáticamente y, a continuación, busca cada término en todos los campos.
Podemos saber como ha aplicado el ATM a nuestra búsqueda entrando en el enlace «Advanced» situado debajo de la ventana de búsqueda. En la nueva página bajamos hasta ver «History and Search Details».
Veamos en el siguiente vídeo dos ejemplos:
Sin embargo, existen cuatro formas en los que se desactiva el algoritmo de búsqueda ATM. Son los siguientes:
Esta semana se está celebrando en el Hospital de Getafe la tercera edición del curso para residentes «Principios básicos en investigación clínica«. Dentro de este, el pasado martes he impartido una clase de búsqueda de información en medicina.
He comenzado con la representación del triángulo de búsqueda eficiente y efectiva cuyos vértices están formados por los objetivos («Why am I searching?»), la heurística («How am I searching?») y los sistemas («What am I searching with?»).
Triángulo de búsqueda eficiente y efectiva de la información
Objetivos («Why am I searching?»)
Cuáles son nuestros objetivos de la búsqueda, es decir, qué quiero saber o encontrar, determina cómo he de buscar. Podemos encontrarnos dentro de tres escenarios posibles:
Búsqueda clínica: identificación rápida y eficiente para una toma de decisiones.
Búsqueda exploratoria o búsqueda general de descubrimiento, aprendizaje, mantenerse actualizado, … aprender/aclarar uno o varios conceptos o conjuntos de investigaciones, incluidas sus características.
Búsqueda sistemática: identificar todos los estudios disponibles sobre un tema.
Tipos de búsqueda de información en medicina según la necesidad.
Heurística («How am I searching?»)
¿Qué heurísticas (forma de hacer la búsqueda) funcionan mejor para el tipo de búsqueda en cuestión y están disponibles en los sistemas elegidos?:
Búsqueda simple mediante el algoritmo de la fuente (PubMed, UpToDate, Google Académico, …): en búsquedas para toma de decisiones clínicas.
Snowballing (citation chasing): en búsquedas exploratorias y tb en sistemáticas.
Búsqueda booleana en bloques: en búsquedas sistemáticas.
Tipología de búsquedas.
Sistemas («What am I searching with?»)
¿Qué sistema/s de búsqueda funcionan mejor para un tipo de búsqueda determinado y son compatibles con la heurística elegida?. Tenemos que entender que no hay 2 sistemas de búsquedas iguales y cada sistema es más o menos adecuado para un tipo de búsqueda (clínica/exploratoria/sistemática) en términos de cobertura y heurística que permite/soporta.
Dependiendo de nuestros objetivos y heurística, debemos elegir el sistema que nos va a proporcionar la información de manera eficiente y efectiva. Eso implica que no siempre el sistema más sencillo es el más apropiado para nuestro tipo de búsqueda.
Búsqueda con herramientas sencillas no es la panacea.
Una vez aclarados los conceptos anteriores, debemos tener en cuenta y seguir una serie de pasos de la búsqueda:
Pasos que debemos tener en cuenta a la hora de buscar información en bases de datos.
Por último, repasamos algunas herramientas de IA interesantes para los residentes. Vimos vídeos con ejemplos de las siguientes 7 herramientas, pero podrían haber sido muchas más:
Herramientas de inteligencia artificial útiles.
Y terminé dando un último consejo: «practicar con las herramientas de búsqueda en su día a día es la mejor garantía de mejorar sus búsquedas de información«.
Es una práctica habitual y recomendada en la búsqueda de evidencia para documentos de síntesis de evidencia, limitar los resultados a estudios realizados solo en humanos.
Los filtros de búsqueda son estrategias de búsqueda diseñadas para recuperar tipos específicos de registros, como los de un diseño metodológico concreto.
Aquí os dejo varios filtros que he localizado que nos ayudarán a buscar no solo por revisiones sistemáticas, si no también por las diferentes tipologías dentro de la gran familia de revisiones (1).
Filtro para PubMed actualizado el 26 de septiembre de 2023 (2):
(«Systematic Review»[Publication Type:NoExp] OR «Systematic Reviews as Topic»[mesh:noexp] OR ((«comprehensive»[TIAB] OR «integrated»[TIAB] OR «integrative»[TIAB] OR «mapping»[TIAB] OR «methodology»[TIAB] OR «narrative»[TIAB] OR «scoping»[TIAB] OR «systematic»[TIAB]) AND («search»[TIAB] OR «searched»[TIAB] OR «searches»[TIAB] OR «studies»[TIAB]) AND («cinahl»[TIAB] OR «cochrane»[TIAB] OR «embase»[TIAB] OR «psycinfo»[TIAB] OR «pubmed»[TIAB] OR «medline»[TIAB] OR «scopus»[TIAB] OR «web science»[TIAB] OR «bibliographic review»[TIAB:~1] OR «bibliographic reviews»[TIAB:~1] OR «literature review»[TIAB:~1] OR «literature reviews»[TIAB:~1] OR «literature search»[TIAB:~1] OR «literature searches»[TIAB:~1] OR «narrative review»[TIAB:~1] OR «narrative reviews»[TIAB:~1] OR «qualitative review»[TIAB:~1] OR «qualitative reviews»[TIAB:~1] OR «quantitative review»[TIAB] OR «quantitative reviews»[TIAB])) OR «comprehensive review»[TIAB] OR «comprehensive reviews»[TIAB] OR «comprehensive search»[TIAB] OR «comprehensive searches»[TIAB] OR «critical review»[TIAB] OR «critical reviews» [TIAB] OR ((«electronic database»[TIAB:~1] OR «electronic databases»[TIAB:~1] OR «databases searched»[TIAB:~3]) AND (eligibility[tiab] OR excluded[tiab] OR exclusion[tiab] OR included[tiab] OR inclusion[tiab])) OR «evidence assessment»[TIAB] OR «evidence review»[TIAB] OR «exploratory review»[TIAB] OR «framework synthesis»[TIAB] OR «Integrated review»[TIAB] OR «integrated reviews»[TIAB] OR «integrative review»[TIAB:~1] OR «integrative reviews»[TIAB:~1] OR «mapping review»[TIAB:~1] OR «meta-review»[TIAB:~1] OR «meta-synthesis»[TIAB:~1] OR «methodology review»[TIAB:~1] OR («mixed methods»[TIAB:~0] AND «methods review»[TIAB:~1]) OR («mixed methods»[TIAB:~0] AND «methods synthesis»[TIAB:~1]) OR «overview reviews»[TIAB:~4] OR («PRISMA»[TIAB] AND «preferred»[TIAB]) OR «PRISMA-P»[TIAB:~0] OR «prognostic review»[TIAB:~1] OR «psychometric review»[TIAB:~1] OR («rapid evidence»[TIAB:~0] AND «evidence assessment»[TIAB:~0]) OR «rapid realist»[TIAB:~0] OR «rapid review»[TIAB:~1] OR «rapid reviews»[TIAB:~1] OR «realist review»[TIAB:~1] OR «review of reviews»[TIAB:~1] OR «scoping review»[TIAB:~1] OR «scoping reviews»[TIAB:~1] OR «scoping study»[TIAB:~1] OR («state art «[TIAB:~2] AND «art review»[TIAB:~1]) OR «systematic evidence map»[TIAB] OR «systematic mapping»[TIAB:~1] OR «systematic literature»[TIAB:~1] OR «systematic Medline»[TIAB:~2] OR «systematic PubMed»[TIAB:~2] OR «systematic review»[TIAB:~1] OR «systematic reviews»[TIAB:~1] OR «systematic search»[TIAB:~1] OR «systematic searches»[TIAB:~1] OR «systematical review»[TIAB:~1] OR «systematical reviews»[TIAB:~1] OR «systematically identified»[TIAB:~1] OR «systematically review»[TIAB:~1] OR «systematically reviewed»[TIAB:~1] OR «umbrella review»[TIAB:~1] OR «umbrella reviews»[TIAB:~1] OR «Cochrane Database Syst Rev»[ta] OR «evid rep technol assess full rep»[Journal] OR «evid rep technol assess summ»[Journal])
Filtro para MEDLINE (OVID) actualizado a 22 de septiembre de 2023 (3):
«systematic review».pt. or «Systematic Reviews as Topic»/ or «Cochrane Database of Systematic Reviews».jn. or (evidence report technology assessment or evidence report technology assessment summary).jn. or (((comprehensive* or integrative or mapping or rapid or realist or scoping or systematic or systematical or systematically or systematicaly or systematicly or umbrella) adj3 (bibliographical or bibliographically or bibliographics or literature or review or reviews)) or (state adj3 art adj1 review) or (research adj2 synthesis) or ((data or information) adj3 synthesis)).ti,ab,kf. or ((data adj2 (extract or extracting or extractings or extraction or extraction)).ti,ab,kf. and («review».ti. or «review».pt.)) or (((electronic or searched) adj2 database*) and (eligibility or excluded or exclusion or included or inclusion)).ti,ab,kf. or (overview adj4 reviews).ti,ab,kf. or ((review adj3 (rationale or evidence)).ti,ab. and «review».pt.) or (PRISMA or (preferred adj1 reporting)).ab. or (cinahl or (cochrane adj3 (trial or trials)) or embase or medline or psyclit or (psycinfo not (psycinfo adj1 database)) or pubmed or scopus or (sociological adj1 abstracts) or (web adj2 science)).ab.
Filtro para EMBASE (Elsevier) actualizado a 21 de septiembre de 2023 (4):
‘systematic review’/de OR ‘systematic review (topic)’/de OR ((‘comprehensive’:ti,ab,kw OR ‘integrated’:ti,ab,kw OR ‘integrative’:ti,ab,kw OR ‘mapping’:ti,ab,kw OR ‘methodology’:ti,ab,kw OR ‘narrative’:ti,ab,kw OR ‘scoping’:ti,ab,kw OR ‘systematic’:ti,ab,kw) AND (‘search’:ti,ab,kw OR ‘searched’:ti,ab,kw OR ‘searches’:ti,ab,kw OR ‘studies’:ti,ab,kw) AND (‘cinahl’:ti,ab,kw OR ‘cochrane’:ti,ab,kw OR ‘embase’:ti,ab,kw OR ‘psycinfo’:ti,ab,kw OR ‘pubmed’:ti,ab,kw OR ‘medline’:ti,ab,kw OR ‘scopus’:ti,ab,kw OR ‘web of science’:ti,ab,kw OR ‘bibliographic review’:ti,ab,kw OR ‘bibliographic reviews’:ti,ab,kw OR ‘literature review’:ti,ab,kw OR ‘literature reviews’:ti,ab,kw OR ‘literature search’:ti,ab,kw OR ‘literature searches’:ti,ab,kw OR ‘narrative review’:ti,ab,kw OR ‘narrative reviews’:ti,ab,kw OR ‘qualitative review’:ti,ab,kw OR ‘qualitative reviews’:ti,ab,kw OR ‘quantitative review’:ti,ab,kw OR ‘quantitative reviews’:ti,ab,kw)) OR ‘comprehensive review’:ti,ab,kw OR ‘comprehensive reviews’:ti,ab,kw OR ‘comprehensive search’:ti,ab,kw OR ‘comprehensive searches’:ti,ab,kw OR ‘critical review’:ti,ab,kw OR ‘critical reviews’:ti,ab,kw OR ((‘electronic database’:ti,ab,kw OR ‘electronic databases’:ti,ab,kw OR databases NEAR/3 searched) AND (eligibility:ti,ab,kw OR excluded:ti,ab,kw OR exclusion:ti,ab,kw OR included:ti,ab,kw OR inclusion:ti,ab,kw)) OR ‘evidence assessment’:ti,ab,kw OR ‘evidence review’:ti,ab,kw OR ‘exploratory review’:ti,ab,kw OR ‘framework synthesis’:ti,ab,kw OR ‘Integrated review’:ti,ab,kw OR ‘integrated reviews’:ti,ab,kw OR ‘integrative review’:ti,ab,kw OR ‘integrative reviews’:ti,ab,kw OR ‘mapping review’:ti,ab,kw OR ‘meta-review’:ti,ab,kw OR ‘meta-synthesis’:ti,ab,kw OR ‘methodology review’:ti,ab,kw OR ‘mixed methods review’:ti,ab,kw OR ‘mixed methods synthesis’:ti,ab,kw OR (overview NEAR/4 reviews) OR ‘PRISMA’:ab OR (‘preferred’:ti,ab,kw and reporting:ti,ab,kw) OR ‘prognostic review’:ti,ab,kw OR ‘psychometric review’:ti,ab,kw OR ‘rapid evidence assessment’:ti,ab,kw OR ‘rapid literature review’:ti,ab,kw OR ‘rapid literature search’:ti,ab,kw OR ‘rapid realist’:ti,ab,kw OR ‘rapid review’:ti,ab,kw OR ‘rapid reviews’:ti,ab,kw OR ‘realist review’:ti,ab,kw OR ‘review of reviews’:ti,ab,kw OR ‘scoping review’:ti,ab,kw OR ‘scoping reviews’:ti,ab,kw OR ‘scoping study’:ti,ab,kw OR ‘state of the art review’:ti,ab,kw OR ‘systematic evidence map’:ti,ab,kw OR ‘systematic evidence mapping’:ti,ab,kw OR ‘systematic literature’:ti,ab,kw OR ‘systematic Medline’:ti,ab,kw OR ‘systematic PubMed’:ti,ab,kw OR ‘systematic review’:ti,ab,kw OR ‘systematic reviews’:ti,ab,kw OR ‘systematic search’:ti,ab,kw OR ‘systematic searches’:ti,ab,kw OR ‘systematical literature review’:ti,ab,kw OR ‘systematical review’:ti,ab,kw OR ‘systematical reviews’:ti,ab,kw OR ‘systematically identified’:ti,ab,kw OR ‘systematically review’:ti,ab,kw OR ‘systematically reviewed’:ti,ab,kw OR ‘umbrella review’:ti,ab,kw OR ‘umbrella reviews’:ti,ab,kw OR ‘13616137’:is OR ‘Cochrane Database of Systematic Reviews’/jt
CINAHL (Ebsco) actualizada a 1 de agosto de 2023 (5): (MH «meta analysis» OR MH «systematic review» OR MH «Technology, Medical/EV» OR PT «systematic review» OR PT «meta analysis» OR (((TI systematic* OR AB systematic*) N3 ((TI review* OR AB review*) OR (TI overview* OR AB overview*))) OR ((TI methodologic* OR AB methodologic*) N3 ((TI review* OR AB review*) OR (TI overview* OR AB overview*)))) OR (((TI quantitative OR AB quantitative) N3 ((TI review* OR AB review*) OR (TI overview* OR AB overview*) OR (TI synthes* OR AB synthes*))) OR ((TI research OR AB research) N3 ((TI integrati* OR AB integrati*) OR (TI overview* OR AB overview*)))) OR (((TI integrative OR AB integrative) N3 ((TI review* OR AB review*) OR (TI overview* OR AB overview*))) OR ((TI collaborative OR AB collaborative) N3 ((TI review* OR AB review*) OR (TI overview* OR AB overview*))) OR ((TI pool* OR AB pool*) N3 (TI analy* OR AB analy*))) OR ((TI «data synthes*» OR AB «data synthes*») OR (TI «data extraction*» OR AB «data extraction*») OR (TI «data abstraction*» OR AB «data abstraction*»)) OR ((TI handsearch* OR AB handsearch*) OR (TI «hand search*» OR AB «hand search*»)) OR ((TI «mantel haenszel» OR AB «mantel haenszel») OR (TI peto OR AB peto) OR (TI «der simonian» OR AB «der simonian») OR (TI dersimonian OR AB dersimonian) OR (TI «fixed effect*» OR AB «fixed effect*») OR (TI «latin square*» OR AB «latin square*»)) OR ((TI «met analy*» OR AB «met analy*») OR (TI metanaly* OR AB metanaly*) OR (TI «technology assessment*» OR AB «technology assessment*») OR (TI HTA OR AB HTA) OR (TI HTAs OR AB HTAs) OR (TI «technology overview*» OR AB «technology overview*») OR (TI «technology appraisal*» OR AB «technology appraisal*»)) OR ((TI «meta regression*» OR AB «meta regression*») OR (TI metaregression* OR AB metaregression*)) OR (TI meta-analy* OR TI metaanaly* OR TI «systematic review*» OR TI «biomedical technology assessment*» OR TI «bio-medical technology assessment*» OR AB meta-analy* OR AB metaanaly* OR AB «systematic review*» OR AB «biomedical technology assessment*» OR AB «bio-medical technology assessment*» OR MW meta-analy* OR MW metaanaly* OR MW «systematic review*» OR MW «biomedical technology assessment*» OR MW «bio-medical technology assessment*») OR ((TI medline OR AB medline OR MW medline) OR (TI cochrane OR AB cochrane OR MW cochrane) OR (TI pubmed OR AB pubmed OR MW pubmed) OR (TI medlars OR AB medlars OR MW medlars) OR (TI embase OR AB embase OR MW embase) OR (TI cinahl OR AB cinahl OR MW cinahl)) OR (SO Cochrane OR SO health technology assessment OR SO evidence report) OR ((TI comparative OR AB comparative) N3 ((TI efficacy OR AB efficacy) OR (TI effectiveness OR AB effectiveness))) OR ((TI «outcomes research» OR AB «outcomes research») OR (TI «relative effectiveness» OR AB «relative effectiveness»)) OR (((TI indirect OR AB indirect) OR (TI «indirect treatment» OR AB «indirect treatment») OR (TI mixed-treatment OR AB mixed-treatment) OR (TI bayesian OR AB bayesian)) N3 (TI comparison* OR AB comparison*)) OR ((TI multi* OR AB multi*) N3 (TI treatment OR AB treatment) N3 (TI comparison* OR AB comparison*)) OR ((TI mixed OR AB mixed) N3 (TI treatment OR AB treatment) N3 ((TI meta-analy* OR AB meta-analy*) OR (TI metaanaly* OR AB metaanaly*))) OR (TI «umbrella review*» OR AB «umbrella review*») OR ((TI multi* OR AB multi*) N2 (TI paramet* OR AB paramet*) N2 (TI evidence OR AB evidence) N2 (TI synthesis OR AB synthesis)) OR ((TI multiparamet* OR AB multiparamet*) N2 (TI evidence OR AB evidence) N2 (TI synthesis OR AB synthesis)) OR ((TI multi-paramet* OR AB multi-paramet*) N2 (TI evidence OR AB evidence) N2 (TI synthesis OR AB synthesis))
SCOPUS actualizada a 20 de diciembre de 2021 (6):
TITLE-ABS-KEY((systematic* W/3 (review* OR overview* )) OR (methodologic* W/3 (review* OR overview* ))) OR TITLE-ABS-KEY((quantitative W/3 (review* OR overview* OR synthes* )) OR (research W/3 (integrati* OR overview* ))) OR TITLE-ABS-KEY((integrative W/3 (review* OR overview* )) OR (collaborative W/3 (review* OR overview* )) OR (pool* W/3 analy* )) OR TITLE-ABS-KEY(«data synthes*» OR «data extraction*» OR «data abstraction*» ) OR TITLE-ABS-KEY(handsearch* OR «hand search*» ) OR TITLE-ABS-KEY(«mantel haenszel» OR peto OR «der simonian» OR dersimonian OR «fixed effect*» OR «latin square*» ) OR TITLE-ABS-KEY(«met analy*» OR metanaly* OR «technology assessment*» OR HTA OR HTAs OR «technology overview*» OR «technology appraisal*» ) OR TITLE-ABS-KEY(«meta regression*» OR metaregression* ) OR TITLE-ABS-KEY(meta-analy* OR metaanaly* OR «systematic review*» OR «biomedical technology assessment*» OR «bio-medical technology assessment*» ) OR TITLE-ABS-KEY(medline OR cochrane OR pubmed OR medlars OR embase OR cinahl ) OR SRCTITLE(cochrane OR (health W/2 «technology assessment» ) OR «evidence report» ) OR TITLE-ABS-KEY(comparative W/3 (efficacy OR effectiveness )) OR TITLE-ABS-KEY(«outcomes research» OR «relative effectiveness» ) OR TITLE-ABS-KEY((indirect OR «indirect treatment» OR mixed-treatment OR bayesian ) W/3 comparison* ) OR TITLE-ABS-KEY(multi* W/3 treatment W/3 comparison* ) OR TITLE-ABS-KEY(mixed W/3 treatment W/3 (meta-analy* OR metaanaly* )) OR TITLE-ABS-KEY(«umbrella review*») OR TITLE-ABS-KEY(multi* W/2 paramet* W/2 evidence W/2 synthesis ) OR TITLE-ABS-KEY(multiparamet* W/2 evidence W/2 synthesis ) OR TITLE-ABS-KEY(multi-paramet* W/2 evidence W/2 synthesis )
BIBLIOGRAFÍA
Sutton A, Clowes M, Preston L, Booth A. Meeting the review family: exploring review types and associated information retrieval requirements. Health Info Libr J. 2019 Sep;36(3):202-222. doi: 10.1111/hir.12276.
Las etiquetas de campo (field tags) buscan en un campo específico en PubMed. Su uso en las búsquedas pueden ahorrarnos bastante tiempo, pero hay que tener en cuenta que las etiquetsa de campo de búsqueda debe ir entre corchetes y que si las usamos se desactiva el mapeo automático de términos (ATM) de PubMed, limitando la búsqueda término especificado.
De las 51 etiquetas de campo que existen, el campo subset es un método de restricción de la recuperación por tema, estado de la cita y categoría de la revista. Para utilizarlo, debemos emplear la etiqueta de campo [sb].
Uno de sus usos es para filtrar por el «estado de citación» («citation status«), que indican la fase de procesamiento interno de un artículo en la base de datos PubMed.
En el siguiente juego te reto a comprobar si sabrías usar el filtro de «estado de citación» para conocer y recuperar el número total de referencias incluidas en PubMed o el número de registros indexados con términos MeSH.
Las búsquedas de literatura son la base de las revisiones sistemáticas y los tipos de revisiones relacionadas. Sin embargo, el componente de búsqueda de literatura de las revisiones sistemáticas y los tipos de revisiones relacionados a menudo se informa de manera deficiente.
En esta nueva entrada, hablaremos de PRISMA-S (Preferred Reporting Items for Systematic reviews and Meta-Analyses literature search extension), creado par ayudar a los bibliotecarios y especialistas en información.
La extensión de PRISMA Search cubre múltiples aspectos del proceso de búsqueda de revisiones sistemáticas, ampliando PRISMA en las cuestiones relacionadas con el informe de la búsqueda de literatura para revisiones sistemáticas y metanálisis. Esta extensión incluye una lista de verificación PRISMA-S, así como su explicación y elaboración y están disponibles en: http://www.prisma-statement.org/Extensions/Searching
La lista de verificación final incluye dieciséis elementos de informes. Esta información debe de ir en la sección de métodos y cualquier material suplementario o anexo del manuscrito.
Elemento 1. Búsqueda en bases de datos: Nombre cada base de datos individual, indicando la plataforma para cada una.
Es importante que los autores indiquen no solo la base de datos, sino también la plataforma a través de la cual se buscó en la base de datos. Ejemplo:
“Se realizaron búsquedas en las siguientes bases de datos electrónicas: MEDLINE (Ovid), CINAHLPlus (EBSCO), PsycINFO (Ovid), CENTRAL (Wiley) y EMBASE (Elsevier)».
Elemento 2. Búsqueda en múltiples bases de datos: Si se buscaron bases de datos simultáneamente en una sola plataforma, indique el nombre de la plataforma, enumerando todas las bases de datos buscadas.
Ejemplo:
«Las estrategias de MEDLINE y Embase se ejecutaron simultáneamente como una búsqueda de múltiples archivos en Ovid y los duplicados se eliminaron de los resultados utilizando la herramienta de deduplicación de Ovid».
Elemento 3. Registros de estudios: Enumere los registros de estudios buscados.
Los registros de estudios (como ClinicalTrials.gov) son una fuente clave de información para revisiones sistemáticas y metanálisis en las ciencias de la salud y cada vez más en otras disciplinas y permiten a los investigadores localizar ensayos clínicos en curso y estudios que pueden no haber sido publicados.
Para describir los registros de estudios buscados, hay que indicar el nombre de cada registro de estudios buscado e incluir una cita o enlace al registro de estudios.
Tema 4. Recursos en línea y navegación: Describa cualquier fuente en línea o impresa buscada o navegada intencionalmente (p. ej., tablas de contenido, actas impresas de conferencias, sitios web) y cómo se hizo.
El objetivo de la búsqueda complementaria, más allá de las bases de datos bibliográficas, y la de eliminar el mayor sesgo posible del proceso de revisión de la literatura. Es importante señalar que este tipo de búsqueda implica una estrategia compleja, que recurre a una gran cantidad de recursos impresos y en línea como motores de búsqueda generales de Internet y la búsqueda en el contenido de sitios web específicos es un componente clave de muchas revisiones sistemáticas y actas de congresos.
Elemento 6. Contactos: Indique si se buscaron estudios o datos adicionales contactando a los autores, expertos, fabricantes u otros.
Elemento 7. Otros métodos: Describa cualquier fuente de información adicional o método de búsqueda utilizado.
En le siguiente ejemplo vemos la inclusión de estos últimos elementos:
Arias-Rivera S, Raurell-Torredà M, Fernández-Castillo RJ, Campos-Asensio C, Thuissard-Vasallo IJ, Andreu-Vázquez C, Rodríguez-Delgado ME. Blood glucose monitoring in critically ill adult patients: type of sample and method of analysis. Systematic review and meta-analysis. Enferm Intensiva (Engl Ed). 2023 Jul 18:S2529-9840(23)00034-4. doi: 10.1016/j.enfie.2023.02.002. Epub ahead of print. PMID: 37474427. https://www.sciencedirect.com/science/article/abs/pii/S2529984023000344
Los ítems 8 a 13 son los que vemos en la siguiente figura:
Hay que señalar que se deben incluir las estrategias de búsqueda de cada base de datos y fuente de información, copiadas y pegadas exactamente como se ejecuta y siendo la ubicación preferida en los materiales complementarios. Las estrategias de búsqueda utilizadas para llevar a cabo esta recopilación de datos son esenciales para la transparencia y reproducibilidad de cualquier revisión sistemática. Sin poder evaluar la calidad de las estrategias de búsqueda utilizadas, los lectores no pueden evaluar la calidad de la revisión sistemática.
En la siguiente imagen vemos un ejemplo de informe del elemento 12 y 13:
Arias-Rivera S, Raurell-Torredà M, Fernández-Castillo RJ, Campos-Asensio C, Thuissard-Vasallo IJ, Andreu-Vázquez C, Rodríguez-Delgado ME. Blood glucose monitoring in critically ill adult patients: type of sample and method of analysis. Systematic review and meta-analysis. Enferm Intensiva (Engl Ed). 2023 Jul 18:S2529-9840(23)00034-4. doi: 10.1016/j.enfie.2023.02.002. Epub ahead of print. PMID: 37474427. https://www.sciencedirect.com/science/article/abs/pii/S2529984023000344
Elemento 14. Revisión por pares: Describa cualquier proceso de revisión por pares de búsqueda.
Aquí vemos el extracto del mismo ejemplo:
Arias-Rivera S, Raurell-Torredà M, Fernández-Castillo RJ, Campos-Asensio C, Thuissard-Vasallo IJ, Andreu-Vázquez C, Rodríguez-Delgado ME. Blood glucose monitoring in critically ill adult patients: type of sample and method of analysis. Systematic review and meta-analysis. Enferm Intensiva (Engl Ed). 2023 Jul 18:S2529-9840(23)00034-4. doi: 10.1016/j.enfie.2023.02.002. Epub ahead of print. PMID: 37474427. https://www.sciencedirect.com/science/article/abs/pii/S2529984023000344
Elemento 15. Registros totales: Documente el número total de registros identificados en cada base de datos y otras fuentes de información.
Debemos indicar el número total de referencias recuperadas de todas las fuentes, incluidas las actualizaciones, en la sección de resultados. Además, debemos informar del número total de referencias de cada base de datos y fuente de información en los materiales complementarios. También, el informe el número total de referencias de cada base de datos es recomendable incluirlo en el diagrama de flujo PRISMA.
Artículo 16. Deduplicación: Describa los procesos y cualquier software utilizado para deduplicar registros de múltiples búsquedas en bases de datos y otras fuentes de información.
Debido al solapamiento de las bases de datos, siempre habrá registros duplicados que deberemos eliminar. Los autores deben describir y citar cualquier software o técnica utilizada para ello. El método de eliminación de duplicados utilizado debe indicarse en la sección de métodos. El número total de referencias después de la eliminar los duplicados debe informarse en el diagrama de flujo PRISMA.
¿Cómo limitamos el resultado de una búsqueda bibliográfica a solo humanos?: recomendación para búsqueda en revisiones sistemáticas. Es una práctica habitual y recomendada en la búsqueda de evidencia para documentos de síntesis de evidencia, limitar los resultados a estudios realizados solo en humanos.
¿Sabrías cómo hacerlo?
Es una práctica habitual y recomendada en la búsqueda de evidencia para documentos de síntesis de evidencia, limitar los resultados a estudios realizados solo en humanos.
¿Sabrías cómo hacerlo? Inténtalo:
¿CUÁL ES EL PROBLEMA?
Veamos los motivos por lo que la respuesta no es tan simple como a simple vista puede parecer.
Los dos primeros son comunes a toda búsqueda que realicemos con los descriptores o tesauro de indización de las bases de datos como MeSH o EMTREE. Si solo buscamos por estos descriptores, perderemos registros mal indizados y aquellos que no estén indizados, bien por ser muy recientes o por no asignar estos términos a alguna parte del contenido de la fuente. Esto último ocurre en PubMed, donde los registros procedentes de PMC o de otras colecciones que no son MEDLINE, nunca pasarán por el proceso de indización.
Pero es que, además, un hecho que muchas veces no tenemos en cuenta es que los humanos formamos parte del reino animal. Por lo tanto, la búsqueda por «Animals»[MeSH] recupera también los artículos asignados con los descriptores más específicos situados debajo de este árbol. Es decir, recuperaríamos también los humanos.
¿CUÁL ES LA SOLUCIÓN?
La mejor práctica consiste en identificar primero los estudios con animales y excluirlos de los resultados de la búsqueda (Usar la «DOBLE NEGACIÓN»).
SINTAXIS DE BÚSQUEDA EN DIFERENTES BASES DE DATOS/PLATAFORMAS
PubMed
2. MEDLINE (Ovid)
3. EMBASE (Ovid)
4. EMBASE (Elsevier)
5. CINAHL (Ebsco)
6. SCOPUS
Y ahora, te dejo la tabla con el resumen de estos filtros para buscar humanos en las diferentes bases de datos/plataformas:
Hoy iré al Servicio de Hematología del Hospital de Getafe a impartir una sesión en la que trataré de aclarar dudas y dar consejos para realizar búsquedas eficientes y de los recursos que tenemos disponibles a través del Portal de la Biblioteca Virtual (https://m-hug.c17.net/).
Los profesionales sanitarios muchas veces sienten que no realizan las búsquedas de modo eficiente, que pierden tiempo o información relevante.
Y para explicarles cómo deben plantearse las estrategias, partiremos de un supuesto práctico que es la búsqueda de estudios sobre eficacia y toxicidad de las terapias CAR-T en el tratamiento del mieloma múltiple refractario con recaídas múltiples.
La terapia con CAR-T son una opción para los pacientes con mieloma múltiple (MM) en recaída o refractario tras al menos cuatro líneas de terapia sistémica, y uno de nuestros tratamientos preferidos para el MM penta-refractario. Recientemente, se han publicado varios estudios en los que el tratamiento con idecabtagene vicleucal (KarMMa-3) y ciltacabtagene autoleucel (CARTITUDE-4) mejoraron sustancialmente la supervivencia libre de progresión en comparación con la quimioterapia estándar, aunque con un aumento de la toxicidad, incluidas las muertes relacionadas con el tratamiento.
Con este escenario iremos buscando en diferentes fuentes, empezando por UpToDate.
Búsqueda en UpToDate
Estrategia de búsqueda: Multiple Myeloma refractory
Búsqueda sencilla Estrategia de búsqueda: Multiple myeloma refractory Chimeric antigen receptor T cells Resultado: 262 referencias
Para luego pasar a enseñar las opciones de búsqueda avanzada. Para ello buscaremos todos los términos posibles para cada concepto, según vemos en la figura:
Y construiremos nuestra búsqueda combinando los términos de lenguaje natural con los descriptores de materia de MEDLINE, los MeSH.
Y no nos olvidaremos de buscar en EMBASE, dado que es la base de datos de elección para la búsqueda de estudios de intervenciones farmacológicas.
(‘multiple myeloma’/exp OR ‘kahler disease’ OR ‘morbus kahler’ OR ‘multiple myeloma’ OR ‘myeloma multiplex’ OR ‘myeloma, multiple’ OR ‘myelomatosis’ OR ‘plasma cell myeloma’) AND (‘chimeric antigen receptor t-cell’/exp OR ‘car t-cell’ OR ‘car t-lymphocyte’ OR ‘car engineered t-cell’ OR ‘car engineered t-lymphocyte’ OR ‘car modified t-cell’ OR ‘car modified t-lymphocyte’ OR ‘chimeric antigen receptor t-cell’ OR ‘chimeric antigen receptor t-lymphocyte’ OR ‘chimeric antigen receptor immunotherapy’/exp OR ‘car cancer immunotherapy’ OR ‘car immunotherapy’ OR ‘car therapy’ OR ‘chimeric antigen receptor cancer immunotherapy’ OR ‘chimeric antigen receptor engineered cancer immunotherapy’ OR ‘chimeric antigen receptor immunotherapy’ OR ‘chimeric antigen receptor therapy’ OR ‘ciltacabtagene autoleucel’/exp OR ‘carvykti’ OR ‘cilta-cel’ OR ‘ciltacabtagene autoleucel’ OR ‘jnj 4528’ OR ‘jnj 68284528’ OR ‘jnj4528’ OR ‘jnj68284528’ OR ‘lcar-b38m’ OR ‘lcar-b38m car-t’ OR ‘idecabtagene vicleucel’/exp OR ‘abecma’ OR ‘bb 2121’ OR ‘bb2121’ OR ‘ide-cel’ OR ‘idecabtagene vicleucel’) AND (‘refractory tumor’/exp OR ‘refractory neoplasm’ OR ‘refractory tumor’ OR ‘refractory tumour’ OR ‘relapsed refractory multiple myeloma’/exp OR ‘cancer recurrence’/exp OR ‘cancer recidive’ OR ‘cancer recurrence’ OR ‘cancer regeneration’ OR ‘cancer relapse’ OR ‘cancer reoccurrence’ OR ‘recurrent cancer’ OR ‘recurrent carcinoma’) AND ([cochrane review]/lim OR [systematic review]/lim OR [meta analysis]/lim OR [randomized controlled trial]/lim OR ‘controlled clinical trial’/de)
Te propongo un juego para que compruebes lo que conoces del MeSH de #MEDLINE
Los tesauros son los encabezamientos de materias utilizados por algunas de las principales bases de datos bibliográficas para describir el contenido de cada artículo publicado. Tesauro es el «vocabulario controlado» (lista de términos establecido) que categorizan artículos en función de su contenido (dichos términos variarán de una base de datos a otra). P. ej.: PubMed utiliza términos del Medical Subject Headings o MeSH, que es el vocabulario controlado de MEDLINE y Embase utiliza el EMTREE.
Los tesauros tienen una estructura jerárquica. Así, los términos MeSH se clasifican dentro de 16 «árboles» principales (como anatomía, organismos, enfermedades, medicamentos y productos químicos), cada uno de los cuales se ramifica de los términos más amplios a los más específicos. Por ejemplo, al ingresar demencia, PubMed identificará términos MeSH relevantes que incluyen demencia y enfermedad de Alzheimer. Al seleccionar Demencia, verá el árbol de términos, incluidas las subcategorías enumeradas a continuación, como la enfermedad de cuerpos de Lewy, Alzheimer o demencia vascular.
Aunque la búsqueda por el MeSH siempre es más precisa, no siempre es suficiente. Así, si el objetivo de nuestra búsqueda es localizar de forma exhaustiva toda la información de un tema, deberemos combinar la búsqueda del tesauro con el lenguaje natural. En la siguiente imagen vemos algunas de las causas:
Ahora os propongo un juego para que compruebes lo que conoces del MeSH.
¿Preparado para ver cuanto sabes del MeSH? Activa el audio y juega.
Uno de los primeros pasos en la planificación de nuestra revisión sistemática es la de buscar revisiones sistemáticas existentes de nuestra área de interés. Es decir, hay que buscar la existencia o no de revisiones sobre el tema publicadas y, si las hay, analizarlas para decidir si tiene cabida hacer la revisión o no.
El motivo para ello es el de evitar las revisiones redundantes. Estas se pueden definir como revisiones que ya se han realizado sobre el mismo tema, con las mismas o similares preguntas y métodos de investigación, y que han llegado a conclusiones similares o idénticas. Estas revisiones se realizan a menudo de forma innecesaria, lo que provoca varios perjuicios e ineficiencias (1).
La multiplicación de revisiones sistemáticas redundantes plantea cuestiones científicas, éticas y económicas a investigadores y editores.
Presentación «Antes de comenzar una revisión sistemática hay que buscar y evaluar revisiones relacionadas: Planificación de nuestra revisión para evitar revisiones redundantes».
Perjuicios de las revisiones sistemáticas redundantes
1. Desperdicio de recursos: La realización de revisiones redundantes supone una pérdida de tiempo, esfuerzo y recursos que podrían haberse utilizado para cuestiones de investigación nuevas y más relevantes.
2. Inconsistencias y contradicciones: Las revisiones redundantes pueden llegar a conclusiones diferentes debido a variaciones en la metodología o en la interpretación de los resultados, lo que puede causar confusión e incoherencias en la literatura.
3. Sesgo de publicación: Múltiples revisiones sobre el mismo tema pueden aumentar la probabilidad de informes selectivos y sesgo de publicación, ya que los investigadores pueden publicar solo las revisiones con resultados favorables.
4. Confundir a los profesionales sanitarios: Múltiples revisiones con resultados contradictorios pueden llevar a confusión a los profesionales sanitarios, lo que se traduce en decisiones de tratamiento subóptimas para los pacientes.
¿Cuándo está justificada una revisión sistemática redundante?
Solo en los casos de que: 1) el alcance de las revisiones existentes no sea la misma; 2) no exista una revisión anterior; 3) exista, pero esté obsoleta (podríamos decidir actualizarla desde la fecha de la revisión anterior); o 4) exista, pero sea de mala calidad, tendría justificación hacer una nueva revisión. En ese caso, el otro equipo puede decidir abordar ese tema de nuevo con métodos adecuados. Tales casos deben justificarse adecuadamente en la nueva revisión, apoyando esta decisión con pruebas de que la revisión anterior era inadecuada. Por ejemplo, el nuevo equipo podría proporcionar un análisis transparente de la calidad metodológica de la primera revisión utilizando la herramienta AMSTAR 2 (2), con los detalles de este análisis reportados en un archivo suplementario.
Si el equipo de la revisión es consciente de la existencia de una revisión sistemática finalizada con métodos adecuados, la única decisión apropiada para seguir adelante con el mismo tema sería llevar a cabo una actualización de dicha revisión sistemática. Aun así, algunas actualizaciones pueden no considerarse justificadas. Por ejemplo, si una gran revisión existente se actualiza con un nuevo estudio que probablemente no repercuta en los resultados, es razonable cuestionar el propósito de dicha actualización. Cochrane considera una revisión como «estable» si la última búsqueda no identificó ningún estudio potencialmente relevante que pudiera cambiar las conclusiones» (Babić A, Poklepovic Pericic T, Pieper D, Puljak L. How to decide whether a systematic review is stable and not in need of updating: Analysis of Cochrane reviews. Res Synth Methods. 2020 Nov;11(6):884-890. doi: 10.1002/jrsm.1451. PMID: 32890455.).
¿Dónde buscamos revisiones sistemáticas?
Por un lado, deberíamos buscar la existencia de procolos de revisiones sistemáticas en curso. Para ello deberíamos buscar en las plataformas donde es común su registro (ver entrada «Dónde registrar el protocolo de una Revisión Sistemática«; 3-4). Estas fuentes incluyen a PROSPERO, OSF, pasando por búsqueda en bases de datos tradicionales como MEDLINE.
Puede darse el caso de que encontremos «revisiones zombies» (5). Estos son aquellas cuyos registros de protocolo son abandonadas, por ejemplo, en PROSPERO. Para evitarlo, PROSPERO está desarrollando nueva versión que mejorará la funcionalidad de enviar recordatorios a los autores, solicitándoles que actualicen su estado de revisión y añadan detalles de publicación. También la organización Campbell contacta a los autores anualmente para preguntar si los equipos están procediendo con títulos y protocolos registrados (https://twitter.com/vawelch/status/1643576924998909953?s=20).
Puljak, L., Lund, H. Definition, harms, and prevention of redundant systematic reviews. Syst Rev. 2023;12(63). Disponible en: https://doi.org/10.1186/s13643-023-02191-8.
Shea BJ, Reeves BC, Wells G, Thuku M, Hamel C, Moran J, Moher D, Tugwell P, Welch V, Kristjansson E, Henry DA. AMSTAR 2: a critical appraisal tool for systematic reviews that include randomised or non-randomised studies of healthcare interventions, or both. BMJ. 2017 Sep 21;358:j4008. doi: 10.1136/bmj.j4008. PMID: 28935701; PMCID: PMC5833365.
Cobertura y solapamiento de las bases de dato sutilizadas en las #RevisionesSistemáticas de ciencias de la salud #SysRev
Las revisiones sistemáticas son una herramienta valiosa para identificar y evaluar la evidencia existente sobre un tema en particular. Sin embargo, la realización de una revisión sistemática puede ser un proceso largo y laborioso que requiere una gran cantidad de tiempo y esfuerzo. Una de las tareas más importantes en este proceso es el de la búsqueda de evidencia.
Conjunto principal de bases de datos de ciencias de la salud
Es importante evaluar la cobertura de cada base de datos para determinar si se están buscando en la fuente adecuada. Además, es importante evaluar el solapamiento entre las bases de datos, aunque hay que tener en cuenta que bastantes estudios van a estar presentes en varias fuentes.
Merece la pena examinar la cobertura de las bases de datos, porque esto determina los resultados de la búsqueda y tendrá un impacto directo en la revisión. Las bases de datos pueden tener solapamientos en el contenido, y cada base de datos también cubre algunos títulos exclusivos (únicos).
En cuanto a la cobertura y solapamiento de MEDLINE, CINHAL Complete, Embase.com y PsycINFO. tenemos que tener en cuenta lo siguiente:
PubMed cubre todos los registros de Medline, además de algunos otros materiales (aproximadamente el 15%).
Embase incluye casi todas las revistas de Medline, mientras que más de 2,900 revistas en Embase no están cubiertas por Medline.
Medline tiene una mejor cobertura de revistas estadounidenses, mientras que Embase tiene una mejor cobertura de revistas europeas.Medline tiene alrededor de 1/3 (aprox. 1,800 revistas) solapadas con CINAHL Complete.
PsycINFO tiene alrededor de 1/2 (aprox. 1,200) revistas únicas que NO están cubiertas por Medline, Embase y CINAHL Complete.
La Biblioteca Cochrane incluye 6 bases de datos:
La Base de Datos Cochrane de Revisiones Sistemáticas (CDSR) está completamente indexada por Medline.
El Registro Central Cochrane de Ensayos Controlados (CENTRAL) contiene casi 530,000 citas, de las cuales 310,000 (~58%) son de Medline, 50,000 (aprox. 10%) son de Embase, y las 170,000 restantes (aprox. 32%) son de otras fuentes (Manual Cochrane, 2011).
CENTRAL cubre todos los Ensayos Controlados Aleatorios (ECA) y Ensayos Clínicos Controlados (ECC) indexados en Medline.
Bases de datos multidisciplinares: WoS y SCOPUS
Sin embargo, todavía hay muchas revistas fuera de la «conjunto principal» de bases de datos en enfermería y ciencias de la salud. Es posible que también debas realizar una búsqueda en más bases de datos para asegurarte que tu búsqueda bibliográfica esté completa.
Entre ellas, podemos buscar en la Web of Science y Scopus, que son dos grandes bases de datos de citas multidisciplinares. Por este motivo, es bueno saber hasta qué punto las bases de datos principales se solapan con estas dos.
En cuanto a la cobertura y solapamiento de las bases de datos principales de ciencias de la saludcon WoS y Scopus tenemos que tener en cuenta lo siguiente
Web of Science (SSCI) tiene más de 2400 títulos en el área de ciencias sociales y alrededor del 70% de estos títulos NO están cubiertos por Medline, CINAHL Complete, Embase y PsycINFO. Por lo tanto, si tu tema de investigación está en el campo de las ciencias sociales, es necesario incluir Web of Science SSCI en tu búsqueda.
Web of Science (SSCI) tiene alrededor de 660 títulos en las áreas de psiquiatría y psicología. Alrededor de 50 títulos NO están cubiertos por PsycINFO. Por lo tanto, si tu tema de investigación se refiere a cuestiones de psicología, incluye Web of Science (SSCI) en tu búsqueda.
Scopus cubre (casi) todos los títulos en Medline, PsycINFO y Web of Science. CINAHL Complete tiene aproximadamente 2000 títulos que NO están cubiertos por Scopus. De estos títulos, más de la mitad son revistas, publicaciones comerciales, etc.
En resumen, la selección, cobertura y solapamiento de las principales bases de datos es una tarea crucial en el proceso de búsqueda de estudios para una revisión sistemática. Es importante evaluar la cobertura de cada base de datos, el solapamiento entre ellas y buscar en bases de datos complementarias para garantizar la inclusión de todos los estudios relevantes. Además, se recomienda documentar y justificar la selección de bases de datos para garantizar la transparencia y la replicabilidad de la revisión sistemática.
Para que los resultados de la búsqueda sean mejores, PubMed dispone de las siguientes opciones:
Búsqueda combinada utilizando operadores:
Para ello disponemos de los siguientes operadores:
AND: recupera referencias que contengan los dos términos de búsqueda, teniendo en cuenta que deben aparecer en el mismo registro. Especifica y delimita la búsqueda.
OR: recupera referencias que contengan los dos términos, o al menos uno de ellos. Principalmente, se utiliza para localizar sinónimos, variantes y múltiples formas en las que se puede expresar un mismo tema.
NOT: excluye referencias que contengan el término escrito después del operador.
Búsquedas por frases
Nos permite buscar términos compuestos por múltiples palabras. Para ello has de escribir los términos entre comillas. Por ejemplo: “Blood glucose control» e «Intensive care Unit», buscará los artículos que tienen los tres términos seguidos y en ese orden. Veamos cómo sería la búsqueda en el siguiente vídeo:
Búsqueda por frases en PubMed
Truncamiento de términos
Para utilizar la función de truncar términos, escribe la raíz de la palabra y un asterisco. PubMed buscará términos que compartan la misma raíz. Por ejemplo, para la raíz «cardiovas»Intensive care Unit*», buscará términos como Intensive care unit e Intensive Care Units.
Búsqueda con truncamientos
Búsqueda sensible
Si queremos aumentar el resultado de nuestra búsqueda debemos incluir las posibles variaciones de cada concepto con sinónimos, cuasi sinónimos, acrónimos, etc.
En el caso de la búsqueda que estamos realizando sobre control glucémico en pacientes en UCI, algunas posibles variantes son las que vemos en la siguiente imagen:
Posibles términos a incluir en nuestra estrategia de búsqueda para aumentar el resultado.
De esta forma, nuestra estrategia podría ser la siguiente:
(«Critical Care» OR «Intensive Care» OR «Critical Illness» OR «Critically Ill Patient*» OR «Critically-ill Patient*» OR ICU OR ICUS OR «Intensive Care Unit*» OR «Intensive Treatment» OR «Intensive Therap*») AND («Glycemic control» OR «Glycaemic control» OR «Glucose control» OR «Glucose level*» OR «Glycemic Index» OR «Glycaemic Index» OR «Glycemic target*» OR «Glycaemic target*» OR «Glucose target*» OR Hyperglycemia OR Hypoglycemia OR «Insulin Therapy» OR «Insulin infusion» OR IIT)
En el siguiente vídeo vemos como hacer este tipo de búsqueda en PubMed:
Búsqueda en PubMed optimizando la sensibilidad.
Búsqueda en campos del registro
Aunque las listas de resultados se muestran en lenguaje natural, el registro de PubMed adopta un formato para su recuperación llamado MEDLINE. En este, la información se estructura en campos que se identifican por su etiqueta correspondiente o «tag».
Esta opción se utiliza cuando es preciso recuperar información localizándola en un campo concreto y no en todo el registro bibliográfico.
Se puede buscar en un campo determinado desde la pantalla de inicio escribiendo junto al término su etiqueta de campo entre corchetes. En este caso. el investigador debe conocer previamente la etiqueta correspondiente y la forma correcta de escribirla.
Las etiquetas se pueden escribir abreviadas o completas:
[TI] / [Title]
[AU] / [Author]
[AB] / [Abstract]
La lista de etiquetas se puede consultar en la página de ayuda de la NLM
Etiquetas de campos de PubMed
Para nuestro ejemplo, si queremos limitar el resultado a aquellos registros que incluyan nuestros términos de búsqueda en los campos de título o resumen, la estrategia sería:
(«Critical Care»[tiab] OR «Intensive Care»[tiab] OR «Critical Illness»[tiab] OR «Critically Ill Patient*»[tiab] OR «Critically-ill Patient*»[tiab] OR ICU[tiab] OR ICUS[tiab] OR «Intensive Care Unit*»[tiab] OR «Intensive Treatment»[tiab] OR «Intensive Therap*»[tiab]) AND («Glycemic control»[tiab] OR «Glycaemic control»[tiab] OR «Glucose control»[tiab] OR «Glucose level*»[tiab] OR «Glycemic Index»[tiab] OR «Glycaemic Index»[tiab] OR «Glycemic target*»[tiab] OR «Glycaemic target*»[tiab] OR «Glucose target*»[tiab] OR Hyperglycemia[tiab] OR Hypoglycemia[tiab] OR «Insulin Therapy»[tiab] OR «Insulin infusion»[tiab] OR IIT[tiab])
Y si queremos limitar el resultado a aquellos registros que incluyan nuestros términos, pero como palabras del título, sería:
(«Critical Care»[ti] OR «Intensive Care»[ti] OR «Critical Illness»[ti] OR «Critically Ill Patient*»[ti] OR «Critically-ill Patient*»[ti] OR ICU[ti] OR ICUS[ti] OR «Intensive Care Unit*»[ti] OR «Intensive Treatment»[ti] OR «Intensive Therap*»[ti]) AND («Glycemic control»[ti] OR «Glycaemic control»[ti] OR «Glucose control»[ti] OR «Glucose level*»[ti] OR «Glycemic Index»[ti] OR «Glycaemic Index»[ti] OR «Glycemic target*»[ti] OR «Glycaemic target*»[ti] OR «Glucose target*»[ti] OR Hyperglycemia[ti] OR Hypoglycemia[ti] OR «Insulin Therapy»[ti] OR «Insulin infusion»[ti] OR IIT[ti])
En el siguiente vídeo vemos estas dos últimas opciones de búsqueda:
Búsqueda en PubMed por campos
Estas son algunas de las opciones avanzadas. En próximas entradas veremos más posibilidades de búsqueda que nos brinda PubMed.
PubMed permite diferentes niveles de complejidad de búsqueda. En esta entrada vamos a dar las claves de cómo realizar una búsqueda sencilla
Para ello hay que seguir las siguientes instrucciones:
Identifica los conceptos de tu búsqueda;
Ingresa sus términos de búsqueda en la ventana inicial de búsqueda:
Se específico con los términos que introduces en la estrategia.
No se necesitan etiquetas de búsqueda ni uso del operador AND.
Evita buscar con términos entre comillas.
Evita el truncamiento (*).
Manten el formato de salida por defecto «Best Match».
Veamos un ejemplo: queremos buscar bibliografía que compare el control estricto vs. convencional de los niveles de glucosa en sangre en los pacientes ingresados en UCI.
La estrategia de búsqueda sería la siguiente: Blood glucose control ICU
En el vídeo vemos el desarrollo de la estrategia.
Ejemplo de búsqueda sencilla en PubMed
Es importante saber que es lo que hace realmente el motor de búsqueda de PubMed con los términos que introducimos en la ventana de búsqueda. Para conocer esto es necesario ir al enlace de «Advanced» que hay debajo de la ventana de búsqueda. En la nueva pantalla cliqueamos en «Details» y vemos que ha realizado dos cosas:
1. Ha separado en dos partes nuestra búsqueda que atiende a los conceptos de control de la glucosa y UCI y aplica entre estos el operador por defecto AND. Además, los busca en todos los campos ([All Fields]) y mediante un algoritmo incluye diferentes combinaciones de sinónimos y variantes.
2. Un mapeo automático de los términos por nosotros introducidos con los MeSH encabezamientos de materia de MEDLINE. De eta forma, los 1.566 registros son el resultado de la búsqueda combinada de nuestros términos en todos los campos del registro con los términos del tesauro MeSH de MEDLINE (en nuestro caso «glycemic control» e «intensive care units»).
Utilidad de la búsqueda sencilla en PubMed:
Para buscadores noveles en PubMed, que no conocen todas las posibilidades disponibles.
Permite «explorar» la base de datos y recuperar referencias de forma rápida.
En búsquedas iniciales de alcance para «recolectar» términos utilizados por los autores en sus artículos, los términos MeSH de indización y hacer una aproximación al número de registros que vamos a recuperar.
Aquí os dejo mi presentación de cómo limitar los resultados de nuestra búsqueda a humanos en diferentes bases de datos y plataformas
Cuando buscamos en las bases de datos muchas veces deseamos eliminar aquellos estudios realizados en animales. Para ello tenemos disponible un filtro de búsqueda que hay que adaptar a las diferentes bases de datos y plataformas.
A continuación encontraréis una presentación donde os muestro las estrategias a utilizar en PubMed, MEDLINE (Ovid), Embase (Ovid), Embase (Elsevier) y CINAHL (EBSCO).
Es esencial seleccionar múltiples fuentes porque una solo no puede contener toda la información que responde a nuestra pregunta. Es decir, una sola base de datos no representa todas las investigaciones potencialmente relevantes que existen. Si eligiéramos incluir solamente una base de datos, estaríamos introduciendo un sesgo de selección en una etapa temprana del proceso de revisión.
En #RevisionesSistemáticas, la búsqueda de estudios debe ser lo más amplia posible para reducir el riesgo de sesgo de publicación e identificar la mayor cantidad de evidencia relevante. Estandar MECIR C24
Teniendo ya claro que hay que buscar en más de una base de datos (Bramer W, 3013 y 2016), hay que decir que se desconoce el número óptimo de bases de datos que hay que consultar y que no existe evidencia de la cantidad de bases de datos en las que se debe buscar (Ross-White A et al.).
Debido a la diversidad de preguntas abordadas por las revisiones sistemáticas, no puede haber un estándar acordado para lo que constituye una búsqueda aceptable en términos del número de bases de datos buscadas (CRD’s guidance, 2009).
Debemos tener presente que añadir múltiples bases de datos puede dará lugar a búsquedas con resultados muy elevados en los que, pasado un número de base de datos, resulten irrelevantes. Por otro lado, hay que tener en consideración las desventajas en el uso de múltiples bases de datos para los bibliotecarios. Resulta muy arduo y complicado traducir una estrategia de búsqueda a múltiples interfaces y sintaxis de búsqueda, ya que los diferentes códigos de campo, sintaxis de cada base de datos y plataforma, los operadores de proximidad que difieren entre interfaces y las diferencias en los términos del tesauro entre bases de datos añaden una carga importante. Además, para los revisores el proporcionarles el resultados de un exceso número de bases de datos les conlleva mucho tiempo ya que deben examinar un exceso de títulos y resúmenes, probablemente irrelevantes.
Es función del bibliotecario determinar la combinación de bases de datos necesaria para que las búsquedas de revisiones sistemáticas proporcionen resultados eficientes (es decir, para minimizar la carga de los investigadores sin reducir la validez de la investigación al omitir referencias relevantes).
Es función del bibliotecario determinar la combinación de bases de datos necesaria para que las búsquedas de #RevisionesSistemáticas proporcionen resultados eficientes.
Las bases de datos que utilicemos para localizar la evidencia va a depender del tema de revisión, de la posibilidad de acceso a las bases de datos y el presupuesto disponible para el equipo de revisión, y siempre dentro de la limitación de tiempo. Como norma general, hay que empezar por las fuentes de información que tienen mayor probabilidad de ser más productivas dentro del tema de nuestra revisión, ya que te proporcionarán la mayoría de los estudios. En caso de duda, recomiendo hacer pruebas de búsqueda de nuestro tema de revisión en varias bases de datos y seleccionar las que proporcionen mayores y mejores resultados.
¿Qué dicen los expertos?
Un estudio de Wilchor M. Bramer concluye que las búsquedas han de realizarse en Embase, MEDLINE (incluidas las publicaciones Epub ahead of print), Web of Science (Core Collection) y Google Académico (las 200 primeras referencias relevantes) como mínimo. Para temas especiales como enfermería y ciencias del comportamiento y mental se debe añadir bases de datos como CINAHL y PsycINFO, respectivamente. Para revisiones donde los ECA hay que buscar en CENTRAL. Si se ignora una o más de las bases de datos que identifican como las cuatro bases de datos clave dará lugar a búsquedas más precisas, con un menor número de resultados, pero los investigadores deben decidir si eso vale la pena por el aumento de una mayor probabilidad de pérdidas de referencias relevantes. Este estudio también destaca una vez más que buscar bases de datos solo no es suficiente para recuperar todas las referencias relevantes. (Bramer WM, et al.).
Recomendaciones del bibliotecario experto Wilchor Bramer (2017).
Si nuestra revisión fuera de intervenciones terapéuticas, habría que buscar en las bases de datos generales (MEDLINE y Embase) y CENTRAL. Además, se deben incluir las bases de datos relevantes para el tema de revisión (p. ej., CINAHL para temas relacionados con la enfermería, PsycINFO para intervenciones psicológicas).
Además de MEDLINE y Embase, que suelen considerarse las principales bases de datos internacionales sobre atención sanitaria general, muchos países y regiones producen bases de datos bibliográficas que se centran en la bibliografía producida en esas regiones y que suelen incluir revistas y otras publicaciones no indexadas en otros sitios, como el African Index Medicus y LILACS (para América Latina y el Caribe) (MECIR C24-25).
Para la búsqueda de estudios cualitativos, además de MEDLINE y Embase, hay que buscar en CINAHL y PsycINFO. A lo que habría que añadir Scopus, y ProQuest Dissertations & Theses Global. Agregar PubMed aumenta la recuperación a 93.1% (Frandsen TF et al.).
Para las revisiones de evaluaciones económicas, la combinación de las bases de datos Embase + Scopus + HTA Database + MEDLINE o PubMED (indistintamente) es la más eficiente (Arber M et al.).
Si el tema incluye la asistencia social, hay una serie de bases de datos disponibles, como ASSIA (Applied Social Sciences Index and Abstracts), CSA Sociological Abstracts y CSA Social Services Abstracts, que podrían utilizarse. Las bases de datos mencionadas anteriormente son todas temáticas, pero hay otras, como AgeInfo, Ageline y ChildData, que se centran en un grupo de población específico que podría ser relevante para el tema de la revisión.
En revisiones de ciencias sociales y humanas, Lluís Codina recomienda utilizar siempre Scopus + Web of Science del grupo general, así como Dialnet Plus y las bases de datos del CSIC si la investigación se va a presentar en una universidad española.
¿Si busco en Embase (Elsevier), es necesario buscar también en MEDLINE?
La búsqueda en Embase.com incluye MEDLINE. Sin embargo, debemos buscar en las dos bases de datos por separado, ya que Embase tiene un contenido significativo que no está disponible en PubMed/MEDLINE. Además, la indexación Emtree hace que incluso la información compartida por las dos bases de datos se pueda encontrar de forma exclusiva en Embase.
Razones por la que es necesario buscar en MEDLINE y en Embase.
¿Cómo incluye Embase el contenido de MEDLINE?
Más de2800 revistas son exclusivas de Embase y 3000 títulos de revistas están cubiertos tanto por Embase como por MEDLINE. Ambos conjuntos están indexados por Embase usando Emtree.
2500 revistas de MEDLINE no están indexadas por Embase usando Emtree, sino que están indexadas usando el MEDLINE thesaurus MeSH.
Estos registros indexados de MEDLINE se entregan a Elsevier diariamente. Después de la deduplicación, se incorporan a Embase para producir «registros exclusivos de MEDLINE». Elsevier no vuelve a indexar estos registros exclusivos de MEDLINE. Sin embargo, su indexación se asigna a los términos de Emtree. De esta manera, los términos de Emtree se pueden usar para buscar todos los registros de Embase, incluidos los de MEDLINE.
¿Si tengo acceso a SCOPUS, también necesito buscar en Embase y en la WoS?
Las búsquedas en Scopus se centran en resúmenes y citas, mientras que una búsqueda en Embase proporciona información adicional a partir de su indexación estructurada de texto completo con el tesauro EMTREE.
Dado que Scopus no utiliza Emtree para facilitar la asignación de sinónimos y las búsquedas jerárquicas, nuestra búsqueda puede recuperar un número significativamente menor de resultados que en Embase. Por ejemplo, una búsqueda en Scopus sobre «heart attack» omite los registros que mencionan «myocardial infarction» o los indizados utilizando el término Emtree «heart infarction».
Además, los subtítulos de Embase no están disponibles en Scopus, por lo que las búsquedas no pueden acotarse del mismo modo. Por ejemplo, no es posible limitar las búsquedas de fármacos a los registros centrados en los efectos adversos.
Razones por las que debo buscar en Embase y SCOPUS.
¿Es recomendable buscar en Google Académico?
Dado que Google Scholar indexa el texto completo de los artículos, la búsqueda en él añade artículos relevantes que no se encuentran en las otras bases de datos. Por lo tanto, encuentra artículos en los que el tema de investigación no se menciona en el título, el resumen o los términos del tesauro, sino que los conceptos sólo se tratan en el texto completo.
Sin embargo, la búsqueda en Google Académico supone un reto, ya que carece de las funciones básicas de las bases de datos bibliográficas tradicionales. Además, las estrategias de búsqueda están limitadas a un máximo de 256 caracteres, lo que significa que crear una estrategia de búsqueda exhaustiva puede resultar laborioso (Bramer W, 2017).
Wilchor Bramer recomienda limitar la búsqueda en Google Académico a las primeras 200 referencias relevantes.
Elección de la plataforma
Como es lógico, la búsqueda en diferentes bases de datos dará inevitablemente resultados diferentes al ser su cobertura distinta. Pero además, la búsqueda en la misma base de datos a través de diferentes interfaces o plataformas puede dar lugar a resultados diferentes. Por ejemplo, buscar en Embase a través de Embase.com o mediante OVID, o buscar en MEDLINE a través de Web of Science, EBSCO, OVID o incluso a través de PubMed. Y no solo porque las plataformas difieran en diferentes sintaxis y herramientas de búsqueda, sino que el contenido también puede diferir (PubMed vs MEDLINE/Ovid; Embase/Elsevier vs. Embase/Ovid).
¿MEDLINE vía PubMed u Ovid?
PubMed es considerado por algunos como más fácil de usar. Además, en búsquedas de revisiones sistemáticas, PubMed tiene una sensibilidad más alta que Ovid/MEDLINE con una precisión comparable y NNR (number needed to read) (Katchamart W et al.).
Por el contrario, muchos bibliotecarios eligen Ovid MEDLINE, ya que permite realizar una búsqueda más enfocada. Sus herramientas que permiten una sintaxis de búsqueda con, por ejemplo, operadores de adyacencia, que hacen que nuestro resultado sea más preciso que con PubMed.
Otros especialistas en información estaban a favor de buscar en ambas. Indicaban que merece la pena realizar una búsqueda complementaria de PubMed, además de la búsqueda principal en MEDLINE (Ovid) para una revisión sistemática, ya que se realiza rápidamente y si recupera estudios únicos, recientemente publicados, y ahead-of-print, mejorando la actualización de las revisiones sistemáticas. Sin embargo, tal como indica Wichor Bramer en su correo de 12 de diciembre de 2022 a la lista de distribución expertsearching@pss.mlanet.org, hoy en día buscar en PubMed no añade ningún valor cuando ya se ha buscado en MEDLINE a través de OVID u otra plataforma similar. La razón de por qué antes se recomendaba era porque había bastante retraso entre los artículos añadidos a PubMed y a MEDLINE, pero ya no es así. Hoy en día el retraso es solo de 1 o 2 días, por lo que se puede ignorar ya que esos días extra no suponen ninguna diferencia en nuestra revisión. (Más información en: https://wkhealth.force.com/ovidsupport/s/article/PubMed-vs-Ovid-s-Medline-1489081398582).
Hoy en día, buscar en PubMed no añade ningún valor cuando ya se ha buscado en MEDLINE a través de OVID u otra plataforma similar dado que el retraso en la indización es de solo 1 o 2 días. @wichor
No hay una diferencia notable entre Ovid y Embase.com en términos de resultados de búsqueda sin embargo, Embase.com fue calificado como más fácil de usar en comparación con Ovid (Fortier KJ et al.)
Aquí os dejo un Trivial interactivo para aprender las diferencias en la sintaxis de búsqueda entre plataformas.
Juego para ver las diferencias en la sintaxis de búsqueda.
BIBLIOGRAFÍA
Bramer WM, Rethlefsen ML, Kleijnen J, Franco OH. Optimal database combinations for literature searches in systematic reviews: a prospective exploratory study. Syst Rev. 2017;6(1):245. doi: 10.1186/s13643-017-0644-y. PMID: 29208034; PMCID: PMC5718002
Bramer WM, Giustini D, Kramer BM, Anderson PF. The comparative recall of Google Scholar versus PubMed in identical searches for biomedical systematic reviews: a review of searches used in systematic reviews. Syst Rev. 2013;2:115.
Bramer WM, Giustini D, Kramer BMR. Comparing the coverage, recall, and precision of searches for 120 systematic reviews in Embase, MEDLINE, and Google Scholar: a prospective study. Syst Rev. 2016;5:39.
Centre for Reviews and Dissemination. Systematic reviews: CRD’s guidance for undertaking reviews in health care The Centre; 2009. Disponible en: https://www.york.ac.uk/crd/guidance/
Ross-White A, Godfrey C. Is there an optimum number needed to retrieve to justify inclusion of a database in a systematic review search? Health Inf Libr J. 2017;33:217–24.
Frandsen TF, Gildberg FA, Tingleff EB. Searching for qualitative health research required several databases and alternative search strategies: a study of coverage in bibliographic databases. J Clin Epidemiol. 2019 Jun 25;114:118-124. doi: 10.1016/j.jclinepi.2019.06.013. PMID: 31251982.
Arber M, Glanville J, Isojarvi J, Baragula E, Edwards M, Shaw A, Wood H. Which databases should be used to identify studies for systematic reviews of economic evaluations? Int J Technol Assess Health Care. 2018 Jan;34(6):547-554. doi: 10.1017/S0266462318000636. PMID: 30442221.
Codina, Lluís. Revisiones bibliográficas sistematizadas: Procedimientos generales y Framework para Ciencias Humanas y Sociales. Barcelona: Máster Universitario en Comunicación Social. Departamento de Comunicación. Universitat Pompeu Fabra, 2018 [documento en pdf, acceso: https://repositori.upf.edu/handle/10230/34497%5D
Katchamart W, Faulkner A, Feldman B, Tomlinson G, Bombardier C. PubMed had a higher sensitivity than Ovid-MEDLINE in the search for systematic reviews. J Clin Epidemiol. 2011 Jul;64(7):805-7. doi: 10.1016/j.jclinepi.2010.06.004. PubMed PMID: 20926257.
Duffy S, de Kock S, Misso K, Noake C, Ross J, Stirk L. Supplementary searches of PubMed to improve currency of MEDLINE and MEDLINE In-Process searches via Ovid. J Med Libr Assoc. 2016 Oct;104(4):309-312. PMID: 27822154; PMCID: PMC5079494.
Ross-White A, Godfrey CM, Sears KA, Wilson R. Predatory publications in evidence syntheses. J Med Libr Assoc. 2019 Jan;107(1):57-61. doi: 10.5195/jmla.2019.491. PMID: 30598649; PMCID: PMC6300240.
Fortier KJ, Kiss N, Tongbram V. What is the optimal search engine for results from Embase and Medline: Ovid or Embase.com? Value Health 2013;16(3):A25 doi: 10.1016/j.jval.2013.03.147
La NLM ha anunciado que se ha añadido funciones de búsqueda por proximidad a PubMed.
Ahora podemos buscar por varios términos que aparezcan en cualquier orden y dentro de una distancia especificada en los campos [Título] o [Título/Abstract].
Presentación de la nueva funcionalidad de PubMed de búsqueda de proximidad (5 pantallas)
¿Cómo construir una búsqueda de proximidad en PubMed?
Debemos escribir en la ventana de búsqueda siguiendo la sintaxis:
“términos de búsqueda”[campo:~N]
Donde:
Términos de búsqueda = dos o más palabras entre comillas dobles.
Campo = La etiqueta del campo de búsqueda para los campos [Title] o [Title/Abstract].
N = El número máximo de palabras que pueden aparecer entre sus términos de búsqueda.
¿Qué es lo que hace?
Recuperará registros en los que las palabras entrecomilladas se localicen en el campo que hayamos especificado ([title] o [Titel/Abstract]) y sean adyacentes o estén separadas por un máximo de N palabras.
Qué tenemos que tener en cuenta:
La búsqueda por proximidad solo está disponible en los campos de búsqueda Título y Título/Abstract. Podemos utilizar las etiquetas de los campos de búsqueda completos [Title] y [Title/Abstract] o las versiones abreviadas [ti] y [tiab].
El símbolo ~ en teclados PC se puede combinar Alt+126
No hay límite de palabras que pongamos entrecomilladas. Sin embargo, cuantos más términos introduzcamos, más restrictiva será la búsqueda.
¡No se puede hacer truncamiento en la búsqueda por proximidad de PubMed! Si los términos entrecomillados en una búsqueda por proximidad incluyen un comodín (*), el operador de proximidad será ignorado.
El valor N a utilizar dependerá de nuestra búsqueda. Es recomendable probar a cambiar el valor N y a comparar los resultados para encontrar el que mejor se adapte a la búsqueda. Un valor N más alto crea una búsqueda más amplia, más completa; esto normalmente recuperará más resultados en general, pero algunos de estos resultados pueden ser menos relevantes. El uso del operador booleano AND para combinar términos puede ser más apropiado que la búsqueda por proximidad con un valor N grande. Un valor N más bajo crea una búsqueda más estrecha y precisa; esto normalmente recuperará menos resultados que son altamente relevantes, pero puede excluir otros resultados relevantes. Si N=0, los términos citados aparecerán uno al lado del otro, sin otras palabras entre ellos, y en cualquier orden.
Este tipo de sintaxis de búsqueda deshace el mapeo automático de términos que hace por defecto PubMed.
Podemos combinar las búsquedas por proximidad con otros términos utilizando operadores booleanos. Por ejemplo:
“hip pain”[Title:~4] AND “Arthralgia”[Mesh]
“patient physician relationship“[tiab:~0] OR “patient doctor relationship”[tiab:~0]
Los operadores booleanos y las stopwords incluidas entrecomillas en la búsqueda por proximidad se buscan como las palabras claves normales.
Ejemplo
Para buscar referencias en PubMed donde los términos “hip” y “pain” aparecen con no más de dos palabras entre ellos en el campo de búsqueda Título/Resumen, intente la búsqueda:
¿Por qué una #RevisiónSistemática requiere un equipo?
¿Puede una sola persona hacer una revisión sistemática?
#SysRev #bibliotecario
A raíz de una conversación en Twitter en la que se planteaba la idoneidad de que los estudiantes de enfermería realicen una revisión sistemática como TFG o TFM, me he planteado aclarar por qué una revisión sistemática (RS) requiere un equipo de revisores.
Las razones más relevantes serían las dos siguientes:
Son necesarios diversos conjuntos de conocimientos y habilidades para realizar una RS rara vez (o nunca) residen en una sola persona.
Se necesita más de una persona para realizar verificaciones de confiabilidad entre evaluadores para garantizar la integridad de las decisiones clave, la extracción de datos y la codificación.
¿Y qué personas serían necesarias?
Expertos en la materia
Los expertos en la materia son necesarios para formular preguntas de revisión que sean significativas. Al poseer un conocimiento profundo del tema y de las cuestiones actuales en ese campo, los expertos en la materia pueden articular preguntas que son relevantes para el campo de la revisión y pueden conocer con anticipación los tipos de estudios que probablemente estén disponibles.
Especialista en información (bibliotecario)
Los bibliotecarios, como especialistas de información que son, pueden diseñar, ejecutar y documentar estrategias de búsqueda que sean eficaces, eficientes, transparentes y reproducibles.
La mayoría de los estudiantes universitarios aprenden a utilizar cadenas de palabras clave y operadores booleanos para buscar en bases de datos bibliográficas, pero este nivel de conocimiento no es suficiente para las #RevisionesSistemáticas.
En las #RevisionesSistemáticas, los especialistas en información (#bibliotecarios) son esenciales en el diseño y la realización de estrategias eficaces y eficientes para encontrar estudios potencialmente relevantes.
Los metodólogos son importantes artífices de las RS, ya que pueden ayudar a establecer los criterios de inclusión de los estudios, los métodos de evaluación de los riesgos de sesgo y los planes de extracción, análisis y síntesis de los datos.
Estadístico experto en metaanálisis
La estadística y el metaanálisis deben utilizarse para analizar y sintetizar los resultados cuantitativos siempre que sea posible, por lo que la experiencia en esta área es importante en el diseño de las revisiones sistemáticas. Los metaanalistas pueden ayudar a diseñar formularios de extracción y codificación de datos para facilitar el análisis y la síntesis.
Podemos concluir que las revisiones sistemáticas no deben realizarse como proyectos individuales.
Podemos concluir que las #RevisionesSistemáticas no deben realizarse como proyectos individuales. Es necesario la formación de un equipo que incluya expertos en la materia, #bibliotecario, metodólogo y estadístico.
Littell, J. H., Valentine, J. C., & Pigott, T. D. Unit 1: Introduction. In J. C. Valentine, J. H. Littell, & S. Young (Eds.), Systematic reviews and meta-analysis: A Campbell Collaboration online course. Open Learning Initiative, 2022. Disponible en: https://oli.cmu.edu/courses/systematic-reviews-and-meta-analysis/
Puljak L. If there is only one author or only one database was searched, a study should not be called a systematic review. J Clin Epidemiol. 2017 Nov;91:4-5. doi: 10.1016/j.jclinepi.2017.08.002. PMID: 28823649.
Pacheco RL, Riera R, Santos GM, Martins Sá KM, Peres Bomfim LG, da Silva GR, de Oliveira FR, Martimbianco ALC. Many systematic reviews with a single author are indexed in PubMed. J Clin Epidemiol. 2023 Jan 27:S0895-4356(23)00007-0. doi: 10.1016/j.jclinepi.2023.01.007. PMID: 36716980.
Buscemi N, Hartling L, Vandermeer B, Tjosvold L, Klassen TP. Single data extraction generated more errors than double data extraction in systematic reviews. J Clin Epidemiol. 2005;59:697-703. doi:10.1016/j.jclinepi.2005.11.010.
Los filtros de búsqueda (a veces denominados hedges en inglés) nos ayudan a perfeccionar la estrategia de búsqueda y están constituidos por una combinación de términos o descriptores y diseñadas para localizar tipos de estudios determinados. Pueden estar diseñados para recuperar registros de investigaciones que utilizan un diseño de estudio específico (por ejemplo, ensayo clínico) o por tema (por ejemplo, COVID-19) o por alguna otra característica de la pregunta de investigación (edad de la población).
Para su utilización hay que combinarlo con los resultados de una búsqueda por temas mediante el operador AND.
¿Por qué utilizar filtros de búsqueda? La gran ventaja de su utilización es el de reducir significativamente el número de registros que los investigadores deben cribar. Sin embargo, los filtros de búsqueda no están disponibles para todos los tipos de estudios, todas las bases de datos o todas las interfaces de bases de datos. Los filtros pueden tener un enfoque muy específico o pueden ser de alto nivel. Los filtros de búsqueda pueden estar diseñados para maximizar la sensibilidad (o la recuperación) o para maximizar la precisión (y reducir el número de registros irrelevantes que deben ser evaluados para su relevancia). Los métodos utilizados para elaborar los filtros de búsqueda deben ser claramente descritos por los autores y también se requiere una evaluación crítica por parte de los usuarios. La calidad de los filtros de búsqueda puede valorarse mediante herramientas de valoración crítica que evalúan el enfoque del filtro, los métodos utilizados para crearlo y la calidad de las pruebas y la validación que se han llevado a cabo para garantizar su rendimiento con un nivel específico de sensibilidad, precisión o especificidad. También es importante conocer la fecha de creación del filtro para poder evaluar su vigencia.
Herramientas para localizar filtros
El ISSG SFR tiene como objetivo proporcionar un fácil acceso a los filtros de búsqueda publicados y no publicados diseñados para encontrar estudios con métodos específicos.
Esta base de datos presenta una variedad de filtros de búsqueda desarrollados y mantenidos por el CADTH’s Research Information Services Filters Working Group. Estos filtros han sido ampliamente probados por este equipo y son utilizados habitualmente en los proyectos del CADTH. Algunos filtros han sido validados con un conjunto de artículos de referencia, mientras que otros han sido validados de forma pragmática.
Tiene la ventaja de que, además de poder navegar por los índices de categorías, base de datos y plataforma para explorar las colecciones, disponemos de una ventana de búsqueda básica y un formulario de búsqueda avanzada.
Existen diversos enfoques para la construcción de nuestra estrategia de búsqueda experta para #RevisionesSistemáticas (por líneas, bloques o párrafo @FarhadShokrane).
El bibliotecario debe conocerlos y utilizar o combinar según las necesidades.
La lógica booleana es el enfoque establecido por la práctica para construir la estructura de las estrategias de búsqueda generales y para las revisiones de ciencias de la salud (1). Aun así, existen diversos enfoques para la construcción de nuestra estrategia de búsqueda experta para revisiones sistemáticas. Dado que no hay ningún consejo en PRESS, PRISMA, MECIR o PRISMA-S que nos recomiende seguir uno u otro de los enfoques, es necesario que el bibliotecario conozca las principales construcciones y los utilice o combine según las necesidades. Por ello, la entrada del blog de Farhad Shokraneh (@FarhadShokrane) (2) me ha parecido de gran interés, ya que resume y describe lo que él considera los 3 tipos o enfoques para estructurar las estrategias de búsqueda:
Construcción línea a línea;
Búsqueda por bloques; y
Construcción en una única línea (párrafo).
Existen diversos enfoques para la construcción de nuestra estrategia de búsqueda experta para #RevisionesSistemáticas (por líneas, bloques o párrafo). El bibliotecario debe conocerlos y utilizar o combinar según las necesidades.
En la siguiente presentación resumo estos tres enfoques, en qué consisten, ejemplos de ellos, ventajas e inconvenientes, así como recomendaciones de uso.
A la hora decidir que enfoque utilizar tengo que tener en consideración desde el objetivo/propósito de nuestra búsqueda, nuestras preferencias y las del usuario. Además, la búsqueda en sí misma y su complejidad puede ser necesario utilizar un enfoque u otro e incluso una mezcla de varios en la misma estrategia de búsqueda. Por último, hay que tener en cuenta que no todas las interfaces de búsquedas/plataformas/bases de datos permiten los tres enfoques.
La estructura de la estrategia de búsqueda para #RevisionesSistemáticas dependerá del propósito de la presentación de la estrategia de búsqueda, preferencias, complejidad de la búsqueda y las posibilidades de búsqueda de la base de datos.
Tabla resumen de los principales enfoques utilizados en las estrategias de búsqueda para revisiones sistemáticas, adaptado de Farhad (2).
En mi caso, suelo preferir la búsqueda por bloques, es decir, una línea por cada concepto de búsqueda partiendo de nuestra pregunta estructurada (PICOs). De esta forma, la búsqueda se corresponderá con el marco de nuestra pregunta del que partimos en nuestra revisión (3). Sin embargo, en búsquedas complejas puede que no sea posible dividir las búsquedas en bloques de un solo concepto y que algunos bloques pueden tener subbloques y o que sea necesario una combinación de las tres estructuras.
BIBLIOGRAFÍA
MacFarlane A, Russell-Rose T, Shokraneh F. Search Strategy Formulation for Systematic Reviews: issues, challenges and opportunities. Intelligent Systems with Applications. 2022: 200091.
8 puntos clave para las búsquedas de evidencias en las #RevisionesSistemáticas de precisión de pruebas diagnósticas
Las estrategias de búsqueda para las revisiones de estudios de precisión de pruebas diagnósticas (PPD) pueden ser particularmente complejas. Los estudios de PPD tienden a informarse de manera deficiente y buscarlos puede ser problemático debido a este informe inadecuado y terminología inconsistente, la ausencia de términos de indexación apropiados en algunas bases de datos para este tipo de publicación y el uso inconsistente de términos de indexación adecuados donde están disponibles.
Es conocida la existencia de debilidades en los resúmenes de los informes de los estudios de precisión diagnóstica. Un estudio exploratorio que evaluó la exhaustividad de los informes en los resúmenes de 12 revistas de alto impacto encontró que el 50 % de los artículos no identificaba el estudio como un estudio de precisión diagnóstica en el título y el 65 % incluía las estimaciones de sensibilidad y/o especificidad en el resumen (13). Además, la aplicación de la indexación disponible puede no ser coherente en las bases de datos y no se debe confiar en ella. Un estudio informó que la sensibilidad de tres encabezados clave de Emtree, incluida la etiqueta de verificación diagnostic test accuracy study», se encontró individualmente por debajo del 50 % y solo alcanzó el 72,7 % cuando se usaron juntos.
Aquí os dejo una infografía con el resumen de los 8 puntos clave para la búsqueda en este tipo de revisiones.
Resumen de los 8 puntos clave para la búsqueda en este tipo de revisiones sacadas del borrador del capítulo 7 del Cochrane Handbook for Systematic Reviews of Diagnostic Test Accuracy.
BIBLIOGRAFÍA
Spijker R, Dinnes J, Glanville J, Eisinga A. Chapter 7: Searching for and selecting studies. Draft version (7 February 2022) for inclusion in: Deeks JJ, Bossuyt PM, Leeflang MM, Takwoingi Y, editor(s). Cochrane Handbook for Systematic Reviews of Diagnostic Test Accuracy Version 2. London: Cochrane.
Glanville J, Higgins C, Holubowich C, Spijker R, Fitzgerald A. Diagnostic accuracy. Last updated 24 October 2021. In: SuRe Info: Summarized Research in Information Retrieval for HTA. Disponible en: https://www.sure-info.org//diagnostic-accuracy
Korevaar DA, Cohen JF, Hooft L, Bossuyt PMM. (2015). Literature survey of high-impact journals revealed reporting weaknesses in abstracts of diagnostic accuracy studies. J Clin Epidemiol. 68(6): 708-715. Disponible en: https://www.jclinepi.com/article/S0895-4356(15)00022-0/fulltext
Gurung P, Makineli S, Spijker R, Leeflang MMG. The EMTREE term «Diagnostic Test Accuracy Study» retrieved less than half of the diagnostic accuracy studies in EMBASE. J Clin Epidemiol. 2020; 126 :116-21. Disponible en: https://www.jclinepi.com/article/S0895-4356(20)30132-3/fulltext
Cómo buscar Guías de Práctica Clínica en #PubMed
Hay una especial dificultad en localizar GPC. Pero para aquellas que se publican como artículos de revista, te enseñamos cómo localizarlas en PubMed
Las GPC son una herramienta de ayuda a los profesionales sanitarios para la toma de decisiones, que pueden reducir la variabilidad de la práctica clínica y mejorar la calidad y seguridad de los pacientes.
Hay una especial dificultad en localizar GPC dado que muchas de ellas se publican como “literatura gris” (generalmente por instituciones y asociaciones profesionales) y no se indexaban en las bases de datos bibliográficas tradicionales.
Pero para aquellas guías que se publican como artículos de revistas de repercusión internacional, pueden buscarse en bases de datos bibliográficas, como PubMed y Embase, utilizando términos de búsqueda controlados («Practice Guideline» [Publication Type] en MEDLINE o ‘practice guideline’/exp en Embase). Para buscar guías de práctica en CINAHL (EBSCO) escribimos el tema (como una condición, síntoma o procedimiento clínico) en el cuadro de búsqueda en la página de Búsqueda avanzada. Si ya conoce el nombre de la guía, haga una búsqueda por título. Seleccione «Practice Guidelines» en el menú «Tipo de publicación» en la sección Búsqueda avanzada o Límites.
En la siguiente presentación vemos la estrategia de búsqueda en PubMed para de GPC de vacunas de la hepatitis a:
Pero para una búsqueda más sensible disponemos defiltros metodológicos desarrollados para recuperar guías en diferentes bases de datos.
«Clinical protocols»[MESH] OR «Consensus»[MESH] OR «Consensus development conferences as topic»[MESH] OR «Critical pathways»[MESH] OR «Guidelines as topic» OR «Practice guidelines as topic»[MESH] OR «Health planning guidelines»[MESH] OR «Clinical Decision Rules»[MESH] OR «guideline»[pt] OR «practice guideline»[pt] OR «consensus development conference»[pt] OR «consensus development conference, NIH»[pt] OR position statement*[tiab] OR policy statement*[tiab] OR practice parameter*[tiab] OR best practice*[tiab] OR standards[TI] OR guideline[TI] OR guidelines[TI] OR standards[ot] OR guideline[ot] OR guidelines[ot] OR guideline*[cn] OR standards[cn] OR consensus*[cn] OR recommendat*[cn] OR practice guideline*[tiab] OR treatment guideline*[tiab] OR CPG[tiab] OR CPGs[tiab] OR clinical guideline*[tiab] OR guideline recommendation*[tiab] OR consensus*[tiab] OR ((critical[tiab] OR clinical[tiab] OR practice[tiab]) AND (path[tiab] OR paths[tiab] OR pathway[tiab] OR pathways[tiab] OR protocol*[tiab] OR bulletin[tiab] OR bulletins[tiab])) OR recommendat*[ti] OR recommendat*[ot] OR (care[tiab] AND (standard[tiab] OR path[tiab] OR paths[tiab] OR pathway[tiab] OR pathways[tiab] OR map[tiab] OR maps[tiab] OR plan[tiab] OR plans[tiab])) OR (algorithm*[tiab] AND (screening[tiab] OR examination[tiab] OR test[tiab] OR tested[tiab] OR testing[tiab] OR assessment*[tiab] OR diagnosis[tiab] OR diagnoses[tiab] OR diagnosed[tiab] OR diagnosing[tiab])) OR (algorithm*[tiab] AND (pharmacotherap*[tiab] OR chemotherap*[tiab] OR chemotreatment*[tiab] OR therap*[tiab] OR treatment*[tiab] OR intervention*[tiab]))
En la siguiente presentación vemos como sería la búsqueda en PubMed aplicando el filtro anterior de CADTH.
Consejos de búsqueda experta: Blog UX Caucus Database Tip Sheet team
#MLAUXCaucus #SystematicReviews #medlibs #ExpertSearching
Los bibliotecarios y especialistas en información contamos con una nueva fuente muy valiosa, el blog que el UX Caucus Database Tip Sheet team ha lanzado para ayudar a difundir consejos y sugerencias de búsqueda experta en bases de datos y otras herramientas.
Las entradas disponibles hasta la fecha, con un pequeño resumen, son las siguientes:
Sugerencia n.º 1: Exportación masiva desde Google Scholar.
Mediante la herramienta Harzing’s Publish or Perish es posible la exportación masiva desde Google Scholar.
Y siempre teniendo presente las pautas del gran Wichor Bramer, que sugiere limitar la recuperación de los primeros 100-200 resultados.
Sugerencia n.º 2: Verifique si hay indexación computerizada errónea en Embase.
A diferencia de MEDLINE, donde los registros en proceso aún no tienen MeSH asignado, en Embase los registros recién agregados se indexan computarizadamente con EMTREE. Si bien para artículos de revista esta indexación es revisada y corregida por un indexador humano, la indexación de actas de conferencias nunca se somete a revisión humana. Por este motivo, los resultados recientes y los resúmenes de conferencias tendrán una gran cantidad de falsos positivos debido a la indexación automatizada incorrecta, y la asignación de términos del EMTREE solo es de confianza para artículos de revistas completamente indexadas.
Consejo n.º 3: Modos de búsqueda en EBSCO CINAHL.
Contrariamenta a lo que podemos estar esperando, si escribimos nuestros términos individuales de búsqueda (p. ej.: ginger pregnancy nausea recupera 7 referencias) la base de datos no los combina automáticamente con el operador AND. Hay dos soluciones: la primera consistiría en añadir los operadores booleanos entre los términos (p. ej.: ginger AND pregnancy AND nausea recupera 130 referencias); la segunda forma sería ajustar el modo de búsqueda a «Buscar todos mis términos de búsqueda» que aplicará automáticamente AND a todos los términos individuales y devolverá el mismo conjunto de resultados que con la primera opción.
Ajuste de modo de búsqueda a «Buscar todos mis términos de búsqueda».
Sugerencia n.º 4: Adyacencia de Ovid MEDLINE y etiquetas de campo.
En el MEDLINE de Ovid la búsqueda por adyacencia en el campo .kw. solo funciona si las palabras están en diferentes líneas, pero NO recupera artículos si los términos forman parte de un mismo encabezamiento MeSH. La solución si queréis usar la búsqueda por adyacencia dentro de un solo encabezamiento de palabra clave, será usar la etiqueta de campo .kf. en vez de .tw. (p. ej.: (surg* adj teach*).kf.).
Consejo n.º 5: El problema con las comillas tipográficas.
Para evitar el mensaje de error «unsupported characters» en MEDLINE de Ovid.
Cambios en las opciones de Word para evitar el mensaje de error «unsupported characters» en Ovid.
Consejo n.º 6: Uso de Covidence para rastrear e informar referencias de bola de nieve para el diagrama de flujo PRISMA 2020.
Sugerencia n.º 7: Exportación masiva desde ProQuest.
ProQuest proporciona una función de exportación para ayudar a aquellos que trabajan en grandes proyectos de revisión de literatura, como revisiones de alcance y revisiones sistemáticas. En esta entrada te enseñan como configurarlo, pero ojo, solo se puede solicitar esta exportación masiva DOS VECES al día.
Y, por último, si tiene un consejo inteligente o una solución para una base de datos, plataforma o herramienta puedes ponerte en contacto con Andy Hickner (alh4014@med.cornell.edu) o Kate Saylor (kmacdoug@umich.edu) y unirte al equipo del blogs o compartir sus consejos y ellas escriben la publicación por ti.
Qué debo conocer de #PubMed: Consejos indispensables para la búsqueda bibliográfica en PubMed
En esta infografía encontrarás una ayuda para la búsqueda en PubMed:
PubMed contiene información de citas bibliográficas (por ejemplo, título, autor, revista, fecha de publicación) y los resúmenes de artículos y algunos libros. Incluye la base de datos de MEDLINE®; citas de artículos en el archivo PubMed Central (PMC) con textos completos de uso gratuito, incluso de artículos sobre informes de investigaciones financiadas por los Institutos Nacionales de Salud (NIH); y citas de libros Bookshelf del Centro Nacional para la Información Biotecnológica (NCBI) (www.ncbi.nlm.nih.gov/books).
Además, incluye enlaces al texto completo de otras fuentes, cuando están disponibles, tales como el sitio de la editorial, el archivo PubMed Central (PMC) y al texto completo de las revistas suscritas por tu Biblioteca.
En caso de duda, acude a tu Biblioteca donde te proporcionaremos más información y consejos que te ayudarán a sacar mayor partido de este recurso gratuito indispensable en ciencias de la salud.
Aunque Embase es una base de datos recomendada para realizar búsquedas sistemáticas, es difícil una búsqueda eficiente dada la gran cantidad de términos del Emtree con la que se indizan los registros (un promedio de 3 a 4 términos mayores y hasta 50 términos menores). En comparación, los registros de MEDLINE pueden contener un promedio de 10 a 20 términos del MeSH. Este alto volumen de términos de indización puede conducir a una deficiente precisión en las búsquedas de Embase al recuperar grandes cantidades de registros irrelevantes, lo que aumenta la carga de procesamiento de registros dentro del proceso cribado y selección de los estudios.
Por este motivo, cuando buscamos en EMBASE para HTA (Health technology assessments) y/o RS (revisiones sistemáticas) existe la recomendación pragmática de reducir los resultados de búsqueda, enfocando esta mediante la realización de búsquedas de encabezamientos de materia combinados con subencabezamientos (calificadores) y/o búsquedas con encabezamientos de materia limitados a aquellos con un enfoque principal (encabezados principales o major headings).
En el estudio de Glanville y cols (1) buscaron la evidencia que apoya esta práctica no formal de enfocar la búsqueda en Embase y llegaron a las siguientes recomendaciones y conclusiones:
Parece imprudente debilitar las estrategias mediante el uso de la técnica de enfoque, a menos que los autores de la búsqueda estén seguros de que están enfocando una estrategia altamente sensible.
Si este fuera el caso, el enfoque más seguro parecería enfocar los términos de Emtree para la intervención.
No se recomienda enfocar tanto la población como la intervención en términos de Emtree debido a la pérdida de sensibilidad observada.
También se debe tener precaución al considerar enfocar los términos de Emtree en más de dos conceptos.
Los desarrolladores de estrategias de búsqueda que construyen búsquedas en temas distintos a las revisiones de tratamientos de drogas deben realizar pruebas de sensibilidad antes de enfocar sus estrategias, ya que sus estrategias pueden ser subóptimas debido a los desafíos de buscar temas más difíciles de encontrar.
El problema estaría en saber desde el principio si una búsqueda ya es altamente sensible.
Los autores recomiendan a los buscadores inexpertos que busquen el asesoramiento experto de un especialista en información con experiencia en búsquedas en Embase y MEDLINE para los propósitos de RS y HTA, como lo recomiendan muchos documentos de orientación.
