作者投稿
专家审稿
编辑办公
邮件订阅
RSS
Investigation and Evaluation of Systematic Reviews of Prediction Models Published in Chinese Journals: Methodological and Reporting Quality
-
摘要:目的
评价中文期刊发表的预测模型系统评价文献的方法学质量和报告质量，为提高我国预测模型系统评价的整体质量提供依据。
方法计算机检索中国知网、万方数据知识服务平台、中国生物医学文献数据库和维普数据库，获取自建库至2023年7月20日发表的预测模型系统评价相关文献。由2名研究者独立筛选文献、提取资料后，采用AMSTAR(A Measurement Tool to Assess Systematic Reviews)和PRISMA 2020(Preferred Reporting Items for Systematic reviews and Meta-Analyses 2020)分别评价纳入的系统评价文献方法学质量和报告质量。
结果共纳入发表于2015— 2023年的55篇系统评价文献，其中12篇为Meta分析，最常见的研究主题为心血管疾病、脑卒中和糖尿病。预测模型系统评价文献的方法学质量需改进的内容主要涉及AMSTAR的条目1、4、5、6和10，报告质量需提高的内容主要涉及PRISMA 2020的条目7、10a、12、13a-f、14、15、16a-b, 17、20b-d、21、22、23d、24a-c、25和26。纳入的系统评价文献方法学质量与报告质量具有中等程度的正相关性(r=0.58，P＜0.001)。多重线性回归分析表明，较长的篇幅、近期发表和受到基金资助与更高的方法学质量相关(P＜0.05)；较长的篇幅、近期发表、发表为定性系统评价和受到基金资助与更高的报告质量相关，但更多的作者却与更低的报告质量相关(P＜0.05)。
结论当前中文期刊发表的预测模型系统评价的方法学质量和报告质量整体较低，尚有待提高。
Abstract:ObjectiveTo analyze the methodological and reporting quality of systematic reviews of prediction models published in Chinese journals, with the aim of providing reference for enhancing the overall quality of Chinese systematic reviews of prediction models.
MethodsWe searched the CNKI, WanFang Data, CBM, and VIP databases for Chinese systematic reviews of prediction models from inception to July 20, 2023. After two independent reviewers screened literature and extracted data, the AMSTAR(A Measurement Tool to Assess Systematic Reviews) and PRISMA 2020(Preferred Reporting Items for Systematic reviews and Meta-Analyses 2020) tools were used to assess the methodological and reporting quality of the included reviews.
ResultsA total of 55 systematic reviews published between 2015 and 2023 were included, 12 of which were meta-analysis. The reviews covered various topics, mainly including cardiovascular diseases, stroke, and diabetes. The identified systematic reviews exhibited obvious deficiencies: items 1, 4, 5, 6, and 10 of AMSTAR showed poor methodological quality, and items 7, 10a, 12, 13a-f, 14, 15, 16a-b, 17, 20b-d, 21, 22, 23d, 24a-c, 25 and 26 of PRISMA 2020 needed improvement in reporting quality. Furthermore, a moderate positive correlation (r=0.58, P < 0.001) was observed between the methodological and reporting quality. Multiple linear regression analysis revealed that a greater number of pages, more recent publications, and funding support were associated with higher methodological quality (P < 0.05). Similarly, a greater number of pages, more recent publications, qualitative systematic reviews, and funding support were associated with higher reporting quality, but the number of authors showed a negative association (P < 0.05).
ConclusionThe methodological and reporting quality of existing systematic reviews of prediction models published in Chinese journals is relatively poor and demands improvement.
-
Keywords:
- prediction models /
- systematic reviews /
- reporting quality /
- methodological quality
-
临床实习是医学本科生从理论向临床的过渡阶段，也是从医学生向独立医生转变的重要过程，其中临床技能培训是不可或缺的一环。目前，我国临床技能培训模型包括橡胶模具、假人、模拟器和活体动物等[1]，但橡胶模具和假人真实度差、精细度低，模拟器和活体动物则花费较高。此外，目前的技能培训通常将外科操作分开练习，难以实现将独立的技能运用到连贯的手术中。同时，随着外科手术技术的进步、微创外科的发展和手术流程的优化，对于实习医生来说，能在真实手术中进行操作练习的机会大大减少[2-3]。因此，本团队在美国芝加哥大学医学中心(The University of Chicago Medical Center, UCM)和加州大学旧金山分校医疗中心(University of California, San Francisco Health, UCSF Health)的协助下，通过互联网远程指导，改良设计了符合中国临床医学本科生培养实际情况的7种外科模拟手术模块，并将其命名为“全要素外科模拟手术教学”。本研究为回顾性分析，将该教学模式与传统规范化培训进行比较，观察接受两种不同培训模式的学生临床操作水平及接受度。
1. 资料与方法
1.1 研究对象与分组
以2019年10月至2020年10月，在北京协和医院实习的北京协和医学院临床医学专业学生为研究对象。通过抽签法随机将学生分为试验组(全要素外科模拟手术教学组)和对照组(传统规范化培训教学组)。
1.2 教学方法
课题组每周二开展外科临床技能开放培训班，对照组及试验组根据相应教材各教授1项内容，学生可根据个人时间安排自行选择参加相应组别的培训。课前均提前3 d向两组发放本团队录制的教学录像、PPT课件等供学生预习。
试验组依据课题组编写的《全要素外科模拟手术教学》教程，设置常见的手术模拟情景教学，向学生讲解、演示手术及围术期操作过程。培训内容共包括7个模块，详见表 1。教学过程中将对照组教学内容充分融合其中，如小肠切除吻合术中同时包含消毒铺巾、切开缝合等操作；腹壁疝修补术中同时包含消毒铺巾、切开缝合、换药拆线等操作；肺叶切除术中同时包含消毒铺巾、切开缝合、胸腔闭式引流拔除等操作；小腿截肢术中同时包含清创、脓肿切开等操作。
表 1 试验组全要素外科模拟手术教学培训模块对照组则严格按照国家医学生考试大纲设置培训内容，以《外科实习医师手册》《外科学》《教育部临床能力认证系列丛书一中国医学生临床技能操作指南》作为教材进行培训，培训内容包括：消毒铺巾、切开缝合、结扎止血、换药拆线、清创、脓肿切开、胸腔闭式引流拔除7项内容。
培训过程中两组各由1名主治医师通过操作示范向学生讲授培训内容的操作要点、方法及注意事项，学生分组模仿训练，教师巡视观察，现场纠正、演示。每次课程90 min，课后两组学生均可将操作模具带回自行练习1周，如有疑问，可及时反馈。研究结束后根据学生意愿，可选择参加与先前不同组的培训。
1.3 教学效果评估
(1) 学生完成所有课程后进行技能考核，考核内容包括消毒铺巾、切开缝合、结扎止血、换药拆线、清创、脓肿切开、胸腔闭式引流拔除7项内容。两组学生乱序进行测试，由未参与本次教学的外科临床医师进行作评分，严格按照当年国家临床执业医师资格考试实践技能评分标准，每项操作均以百分制计，评分内容包括操作前准备、操作步骤及人文关怀等。
(2) 参与课程后，学生通过线上/纸质问卷填写团队设计的外科临床技能培训反馈调查表，内容包含对自我操作能力、自我临床思维能力、自我学习效率及教学方式接受度的评价4个部分，每部分满分均为25分，总分以百分制计。
1.4 统计学处理
采用SPSS 25.0软件进行统计学分析。计量资料以均数±标准差表示，组间比较采用t检验，以P＜0.05为差异有统计学意义。
2. 结果
2.1 一般资料
共80名学生接受了培训，其中对照组和试验组各40名。两组性别、年龄差异无统计学意义(P均＞0.05)。
2.2 两组外科临床技能操作考核成绩比较
试验组在外科临床技能操作考核中，消毒铺巾、切开缝合、结扎止血、换药拆线、清创、脓肿切开、胸腔闭式引流拔除成绩均高于对照组(P均＜0.01)。见表 2。
表 2 两组外科临床技能操作考核成绩比较(x±s，分)组别 消毒铺巾 切开缝合 结扎止血 换药拆线 清创 脓肿切开 胸腔闭式引流拔除 试验组(n=40) 90.88±4.42 86.33±5.45 89.00±4.70 91.15±5.29 89.00±4.31 87.70±5.17 90.58±5.56 对照组(n=40) 75.93±4.87 72.80±8.16 72.38±7.26 73.05±5.78 70.40±5.35 70.38±7.99 75.25±7.65 t值 14.376 8.720 12.157 14.614 17.190 11.511 9.994 P值 ＜0.01 ＜0.01 ＜0.01 ＜0.01 ＜0.01 ＜0.01 ＜0.01 2.3 两组问卷调查结果比较
共发放调查问卷80份，收回有效问卷80份，有效问卷回收率为100%。试验组对自我操作能力、自我临床思维能力、自我学习效率、教学方式接受度的评分均显著高于对照组(P均＜0.05, 表 3)。
表 3 两组问卷调查结果比较(x±s，分)组别/评价 自我操作能力 自我临床思维能力 自我学习效率 教学方式接受度 总分 试验组(n=40) 21.95±2.68 21.13±2.76 21.83±2.99 22.13±2.50 87.03±4.23 对照组(n=40) 19.15±4.53 18.33±3.24 19.83±4.14 19.18±2.75 76.48±4.41 t值 3.37 4.17 2.48 5.01 10.91 P值 ＜0.01 ＜0.01 0.02 ＜0.01 ＜0.01 3. 讨论
全要素外科模拟手术教学是本团队受UCSF所提倡的教学理念启发后，结合我国医学生培训情况，创新设计的教学方法。该方法不用活体动物和高大上的模拟仪器设备，而是采用易获得且价廉物美的动物器官(比如猪的肝脏、肺脏、大肠，甚至五花肉等)，结合临床案例，逼真模拟各种小手术(比如肝切除术、肺切除术、疝修补术等)，并进行分解教学和模拟操作，其中包括基本操作技能(打结、缝合等)和外科实践技能(分离结扎、血管重建等)的训练。模型中将动作逐一分解，规定每一步动作名称，统一教学，形成标准化和规范化的教学流程。因该教学内容中包含完整的基本操作方法和全面的手术操作要素，故取名为“全要素外科模拟手术教学”。
本研究试验组考核成绩显著高于对照组(P＜0.01)，提示全要素外科模拟手术教学相较于传统规范化培训，能够显著提高本科生操作水平。原因包括：(1)试验组包括所有外科基本操作，每个模块不仅关注操作本身，且更加注重完整的手术教学过程，例如“肺叶切除术”中，学生可学习到术前准备(手术指征、手术范围定位、消毒铺巾)、手术过程(切开缝合、分离切除、结扎止血等)、术后管理(术后并发症、换药拆线、拔除引流等)，而非单纯手术切除过程，虽未针对测试内容进行培训，但该组学生在操作过程中已掌握基本外科技能。技能操作只是外科体系中的一个重要环节，与之相关的术前准备、术后管理以及在此基础上形成的外科理念也是影响手术成败的关键因素[5]。(2)虽然两组授课总时长一致，但对照组是将各项技能分开培训，每项技能只在一次课程中重复练习，而试验组每个培训模块均包含消毒铺巾、切开缝合、结扎止血、换药拆线等多项技能，使学生得以反复练习，技能操作更加熟练。(3) 试验组中各项操作环环相扣，例如铺巾范围不对会影响后续操作的视野、缝合技术不过关会导致小肠无法吻合或切口无法闭合等，使学生更容易发现操作中的问题，针对自身不足之处进行练习，使操作水平进一步提升。(4)对照组为单人练习操作，而试验组需学生相互配合完成，这有助于提高团队协作能力及提高学习效率。
试验组在自我操作能力、自我临床思维能力、自我学习效率以及教学方式接受度方面的评分均显著高于对照组(P均＜0.05)，说明学生对全要素外科手术教学模式更为满意，这可能得益于仿照人体结构与功能的真实模拟道具和将情景操作融为一体的临床案例，且教学配有手术器械，使学生不仅练习了基本操作，更培养了良好的临床思维[6]。
综上，全要素外科模拟手术教学作为一种新型教学模式，能够提高实习医生的临床技能操作能力，教学效果良好且深受欢迎。但仍存在不足之处：(1)操作细节方面有待完善。(2)培训教师需要加强对培训内容的理解，将丰富的临床经验应用到教学中，摆脱既往死板的教学理念。(3)增强现实技术可将虚拟信息添加到真实世界，让体验者更好地将虚拟与现实进行交互[7]，如能将这一技术应用到教学之中，可更真实地模拟人体构造与生理，为实习医生提供更有效、更规范、更精确的外科技能培训方法。
作者贡献：王子怡负责文献筛选、数据提取、质量评价、图表制作和初稿撰写；卢存存负责课题设计、质量评价、统计分析、图表制作、研究指导和论文修订；黄家艺、张晶磊负责文献筛选、数据提取和论文修订；尚文茹、崔璐、刘文迪、邓秀秀和赵晓晓负责数据核查和论文修订；杨克虎、李秀霞负责研究指导、论文修订和经费支持。利益冲突：所有作者均声明不存在利益冲突 -
![]()
图 1 CNKI检索策略
CNKI(China National Knowledge Infrastructure): 中国知网
Figure 1. CNKI search strategy
![]()
图 1 CNKI检索策略
CNKI(China National Knowledge Infrastructure): 中国知网
Figure 1. CNKI search strategy
![]()
图 2 文献筛选流程
CNKI：同图 1；CBM(China Biology Medicine disc)：中国生物医学文献数据库
Figure 2. Flowchart of literature selection
![]()
图 2 文献筛选流程
CNKI：同图 1；CBM(China Biology Medicine disc)：中国生物医学文献数据库
Figure 2. Flowchart of literature selection
![]()
图 3 预测模型系统评价的方法学质量评价结果
Figure 3. Results of methodological quality assessment of systematic reviews of prediction models
![]()
图 3 预测模型系统评价的方法学质量评价结果
Figure 3. Results of methodological quality assessment of systematic reviews of prediction models
![]()
图 4 方法学质量潜在影响因素的多重线性回归分析
Figure 4. Multiple linear regression analysis of the potential factors influencing methodological quality
![]()
图 4 方法学质量潜在影响因素的多重线性回归分析
Figure 4. Multiple linear regression analysis of the potential factors influencing methodological quality
![]()
图 5 预测模型系统评价的报告质量评价结果
Figure 5. Results of reporting quality assessment of systematic reviews of prediction models
![]()
图 5 预测模型系统评价的报告质量评价结果
Figure 5. Results of reporting quality assessment of systematic reviews of prediction models
![]()
图 6 报告质量潜在影响因素的多重线性回归分析
Figure 6. Multiple linear regression analysis of the potential factors influencing reporting quality
![]()
图 6 报告质量潜在影响因素的多重线性回归分析
Figure 6. Multiple linear regression analysis of the potential factors influencing reporting quality
![]()
图 7 预测模型系统评价方法学质量与报告质量相关性散点图
Figure 7. Scatterplot depicting the correlation between methodo-logical quality and reporting quality of systematic reviews of prediction models
![]()
图 7 预测模型系统评价方法学质量与报告质量相关性散点图
Figure 7. Scatterplot depicting the correlation between methodo-logical quality and reporting quality of systematic reviews of prediction models
表 1 纳入系统评价的基本特征
Table 1 Summary of the characteristics of the included systematic reviews
项目 n(%) 项目 n(%) 研究主题(排名居前3位) 原始研究类型 心血管疾病 7(12.73) 仅前瞻性研究 4(7.27) 脑卒中 7(12.73) 仅回顾性研究 5(9.09) 糖尿病 5(9.09) 二者均有 35(63.64) 期刊名称(排名居前3位) 其他 11(20.00) 中国循证医学杂志 6(10.91) 方法学质量评价工具
(排名居前4位)中华护理杂志 6(10.91) 中华现代护理杂志 6(10.91) PROBAST 39(70.91) 一级单位数量(个) CHARMS 7(12.73) 1~2 48(87.27) NOS 7(12.73) 3~4 7(12.73) QUADAS-2 4(7.27) 数据库组合(排名居前4位) 研究数量(个) CNKI+CBM+Cochrane Library+Embase+PubMed/Medline+维普+万方+Web of Science 11(20.00) 3~10 16(29.09) CNKI+CBM+Cochrane Library+CINAHL+Embase+PubMed/Medline+维普+万方+Web of Science 4(7.27) 11~20 29(52.73) CNKI+Cochrane Library+Embase+PubMed/Medline+万方+Web of Science 3(5.45) 21~41 10(18.18) CNKI+Embase+PubMed/Medline+万方 3(5.45) 模型数量(个) 数据库数量(个) 3~10 14(25.45) 3~6 21(38.18) 11~20 23(41.82) 7~10 34(61.82) 21~123 13(23.64) 定量合并对象 未报告 5(9.09) 预测因子 9(75.00) 有无利益冲突 性能指标 3(25.00) 无 22(40.00) 预测性能指标组合(排名居前3位) 未报告 33(60.00) AUROC+校准度/拟合优度 17(30.91) 有无基金资助 AUROC 8(14.55) 有 41(74.55) AUROC+校准度/拟合优度+灵敏度+特异度 4(7.27) 未报告 14(25.45) 是否注册 论文页数(页) 是 6(10.91) 3~5 8(14.55) 未提及 49(89.09) 6~9 36(65.45) 10~14 11(20.00) CNKI: 同图 1; CBM: 同图 2; AUROC: Area Under the Receiver Operating Characteristic curve; PROBAST: Prediction model Risk Of Bias ASsessment Tool; CHARMS: CHecklist for critical Appraisal and data extraction for systematic Reviews of prediction Modelling Studies; NOS: Newcastle-Ottawa Scale; QUADAS-2: Quality Assessment of Diagnostic Accuracy Studies-2 
下载: 导出CSV
表 1 纳入系统评价的基本特征
Table 1 Summary of the characteristics of the included systematic reviews
项目 n(%) 项目 n(%) 研究主题(排名居前3位) 原始研究类型 心血管疾病 7(12.73) 仅前瞻性研究 4(7.27) 脑卒中 7(12.73) 仅回顾性研究 5(9.09) 糖尿病 5(9.09) 二者均有 35(63.64) 期刊名称(排名居前3位) 其他 11(20.00) 中国循证医学杂志 6(10.91) 方法学质量评价工具
(排名居前4位)中华护理杂志 6(10.91) 中华现代护理杂志 6(10.91) PROBAST 39(70.91) 一级单位数量(个) CHARMS 7(12.73) 1~2 48(87.27) NOS 7(12.73) 3~4 7(12.73) QUADAS-2 4(7.27) 数据库组合(排名居前4位) 研究数量(个) CNKI+CBM+Cochrane Library+Embase+PubMed/Medline+维普+万方+Web of Science 11(20.00) 3~10 16(29.09) CNKI+CBM+Cochrane Library+CINAHL+Embase+PubMed/Medline+维普+万方+Web of Science 4(7.27) 11~20 29(52.73) CNKI+Cochrane Library+Embase+PubMed/Medline+万方+Web of Science 3(5.45) 21~41 10(18.18) CNKI+Embase+PubMed/Medline+万方 3(5.45) 模型数量(个) 数据库数量(个) 3~10 14(25.45) 3~6 21(38.18) 11~20 23(41.82) 7~10 34(61.82) 21~123 13(23.64) 定量合并对象 未报告 5(9.09) 预测因子 9(75.00) 有无利益冲突 性能指标 3(25.00) 无 22(40.00) 预测性能指标组合(排名居前3位) 未报告 33(60.00) AUROC+校准度/拟合优度 17(30.91) 有无基金资助 AUROC 8(14.55) 有 41(74.55) AUROC+校准度/拟合优度+灵敏度+特异度 4(7.27) 未报告 14(25.45) 是否注册 论文页数(页) 是 6(10.91) 3~5 8(14.55) 未提及 49(89.09) 6~9 36(65.45) 10~14 11(20.00) CNKI: 同图 1; CBM: 同图 2; AUROC: Area Under the Receiver Operating Characteristic curve; PROBAST: Prediction model Risk Of Bias ASsessment Tool; CHARMS: CHecklist for critical Appraisal and data extraction for systematic Reviews of prediction Modelling Studies; NOS: Newcastle-Ottawa Scale; QUADAS-2: Quality Assessment of Diagnostic Accuracy Studies-2
下载: 导出CSV
-
[1] Hendriksen J M T, Geersing G J, Moons K G M, et al. Diagnostic and prognostic prediction models[J]. J Thromb Haemost, 2013, 11(Suppl 1): 129-141.
[2] Meehan A J, Lewis S J, Fazel S, et al. Clinical prediction models in psychiatry: a systematic review of two decades of progress and challenges[J]. Mol Psychiatry, 2022, 27(6): 2700-2708. DOI: 10.1038/s41380-022-01528-4
[3] 王昊玥, 王俊峰. 临床预测模型研究中的常见误区[J]. 中国卒中杂志, 2023, 18(7): 758-769. DOI: 10.3969/j.issn.1673-5765.2023.07.004 Wang H Y, Wang J F. Common misconception in clinical prediction model research[J]. Chin J Stroke, 2023, 18(7): 758-769. DOI: 10.3969/j.issn.1673-5765.2023.07.004
[4] Hueting T A, Van Maaren M C, Hendriks M P, et al. The majority of 922 prediction models supporting breast cancer decision-making are at high risk of bias[J]. J Clin Epidemiol, 2022, 152: 238-247. DOI: 10.1016/j.jclinepi.2022.10.016
[5] Kaiser I, Diehl K, Heppt M V, et al. Reporting quality of studies developing and validating melanoma prediction models: an assessment based on the TRIPOD statement[J]. Healthcare (Basel), 2022, 10(2): 238.
[6] Murad M H, Montori V M, Ioannidis J P A, et al. How to read a systematic review and meta-analysis and apply the results to patient care: users' guides to the medical literature[J]. JAMA, 2014, 312(2): 171-179. DOI: 10.1001/jama.2014.5559
[7] Hoffmann T C, Oxman A D, Ioannidis J P, et al. Enhancing the usability of systematic reviews by improving the consideration and description of interventions[J]. BMJ, 2017, 358: j2998.
[8] Shea B J, Grimshaw J M, Wells G A, et al. Development of AMSTAR: a measurement tool to assess the methodological quality of systematic reviews[J]. BMC Med Res Methodol, 2007, 7: 10. DOI: 10.1186/1471-2288-7-10
[9] 丁舒, 吴瑛, 陶香君, 等. 院内患者谵妄风险预测模型的系统评价[J]. 中华护理杂志, 2015, 50(5): 613-619. DOI: 10.3761/j.issn.0254-1769.2015.05.022 Ding S, Wu Y, Tao X J, et al. Systematic review of delirium risk prediction models in hospitalized patients[J]. Chin J Nurs, 2015, 50(5): 613-619. DOI: 10.3761/j.issn.0254-1769.2015.05.022
[10] 靳育静, 高鹰, 张卿. Gail模型在我国女性乳腺癌发病风险预测中的研究: 系统综述与Meta分析[J]. 现代肿瘤医学, 2022, 30(6): 1017-1023. DOI: 10.3969/j.issn.1672-4992.2022.06.013 Jin Y J, Gao Y, Zhang Q. Assessment of performance of the Gail model for predicting breast cancer risk in Chinese women: systematic review and Meta-analysis[J]. J Mod Oncol, 2022, 30(6): 1017-1023. DOI: 10.3969/j.issn.1672-4992.2022.06.013
[11] 梁诗雨, 李晨阳, 邵乐文. ICU后综合征风险预测模型的系统评价[J]. 中国护理管理, 2023, 23(3): 431-437. https://www.cnki.com.cn/Article/CJFDTOTAL-GLHL202303020.htm Liang S Y, Li C Y, Shao L W. Prediction models for Post-intensive Care Syndrome: a systematic review[J]. Chin Nurs Manag, 2023, 23(3): 431-437. https://www.cnki.com.cn/Article/CJFDTOTAL-GLHL202303020.htm
[12] 詹立睿, 张紫薇, 宋萍, 等. 2型糖尿病患者低血糖风险预测模型的系统评价[J]. 中华糖尿病杂志, 2023, 15(3): 244-251. DOI: 10.3760/cma.j.cn115791-20220720-00347 Zhan L R, Zhang Z W, Song P, et al. A systematic review of hypoglycemia risk prediction models in patients with type 2 diabetes mellitus[J]. Chin J Diabetes Mellitus, 2023, 15(3): 244-251. DOI: 10.3760/cma.j.cn115791-20220720-00347
[13] Zeraatkar D, Bhasin A, Morassut R E, et al. Characteristics and quality of systematic reviews and meta-analyses of observational nutritional epidemiology: a cross-sectional study[J]. Am J Clin Nutr, 2021, 113(6): 1578-1592. DOI: 10.1093/ajcn/nqab002
[14] Grammatopoulos T, Hunter J W S, Munn Z, et al. Reporting quality and risk of bias in JBI systematic reviews evaluating the effectiveness of interventions: a methodological review protocol[J]. JBI Evid Synth, 2023, 21(3): 584-591. DOI: 10.11124/JBIES-22-00317
[15] Shea B J, Hamel C, Wells G A, et al. AMSTAR is a reliable and valid measurement tool to assess the methodological quality of systematic reviews[J]. J Clin Epidemiol, 2009, 62(10): 1013-1020. DOI: 10.1016/j.jclinepi.2008.10.009
[16] Page M J, McKenzie J E, Bossuyt P M, et al. The PRISMA 2020 statement: an updated guideline for reporting systematic reviews[J]. BMJ, 2021, 372: n71.
[17] Page M J, Moher D, Bossuyt P M, et al. PRISMA 2020 explanation and elaboration: updated guidance and exemplars for reporting systematic reviews[J]. BMJ, 2021, 372: n160.
[18] 徐俊峰, 安妮, 周为文, 等. 《中国循证医学杂志》发表的干预类系统评价/Meta分析方法学质量评价[J]. 中国循证医学杂志, 2013, 13(5): 605-611. https://www.cnki.com.cn/Article/CJFDTOTAL-ZZXZ201305023.htm Xu J F, An N, Zhou W W, et al. Methodological quality assessment of systematic reviews or Meta-analyses of intervention published in the Chinese Journal of Evidence-Based Medicine[J]. Chin J Evid-Based Med, 2013, 13(5): 605-611. https://www.cnki.com.cn/Article/CJFDTOTAL-ZZXZ201305023.htm
[19] 卢存存, 柯立鑫, 汤昊, 等. 中文期刊发表的氨甲环酸Meta分析的报告质量与方法学质量评价[J]. 中国循证医学杂志, 2021, 21(11): 1332-1338. https://www.cnki.com.cn/Article/CJFDTOTAL-ZZXZ202111013.htm Lu C C, Ke L X, Tang H, et al. Reporting and methodological quality of tranexamic acid Meta-analyses published in Chinese journals[J]. Chin J Evid-Based Med, 2021, 21(11): 1332-1338. https://www.cnki.com.cn/Article/CJFDTOTAL-ZZXZ202111013.htm
[20] Li J Y, Tang L Y, Tang H, et al. Reporting quality of systematic review protocols of interventions for knee osteoarthritis: a systematic review protocol[J]. Med Data Min, 2021, 4(3): 12.
[21] Schober P, Boer C, Schwarte L A. Correlation coefficients: appropriate use and interpretation[J]. Anesth Analg, 2018, 126(5): 1763-1768. DOI: 10.1213/ANE.0000000000002864
[22] Villa M, Le Pera M, Cassina T, et al. Reporting quality of abstracts from randomised controlled trials published in leading critical care nursing journals: a methodological quality review[J]. BMJ Open, 2023, 13(3): e070639. DOI: 10.1136/bmjopen-2022-070639
[23] Paez A. Gray literature: an important resource in systematic reviews[J]. J Evid Based Med, 2017, 10(3): 233-240. DOI: 10.1111/jebm.12266
[24] Brozek J L, Canelo-Aybar C, Akl E A, et al. GRADE guidelines 30: the GRADE approach to assessing the certainty of modeled evidence—an overview in the context of health decision-making[J]. J Clin Epidemiol, 2021, 129: 138-150. DOI: 10.1016/j.jclinepi.2020.09.018
[25] 陈汐敏. 我国医学期刊论文发表偏倚的调查和思考[J]. 中国科技期刊研究, 2019, 30(7): 715-720. https://www.cnki.com.cn/Article/CJFDTOTAL-JYKQ201907004.htm Chen X M. Investigation and reflection on publication bias of medical journals in China[J]. Chin J Sci Tech Period, 2019, 30(7): 715-720. https://www.cnki.com.cn/Article/CJFDTOTAL-JYKQ201907004.htm
[26] 王佳琳, 闫佰荟, 王璐, 等. 中文肿瘤学干预类Meta分析论文摘要报告质量评价分析[J]. 中华医学图书情报杂志, 2020, 29(10): 24-31. DOI: 10.3969/j.issn.1671-3982.2020.10.004 Wang J L, Yan B H, Wang L, et al. Assessment and analysis of reporting quality of abstracts in Meta-analysis papers on intervention published in Chinese oncology journals[J]. Chin J Med Libr Inf Sci, 2020, 29(10): 24-31. DOI: 10.3969/j.issn.1671-3982.2020.10.004
[27] 王朝宏, 张卫国, 杜媛鲲, 等. 中华超声影像学杂志2010—2012年基金项目论文统计分析与评价[J]. 中华超声影像学杂志, 2013, 22(5): 458-459. DOI: 10.3760/cma.j.issn.1004-4477.2013.05.030 Wang C H, Zhang W G, Du Y K, et al. Statistical analysis and evaluation of funding project papers in the Chinese Journal of Ultrasonography from 2010 to 2012[J]. Chin J Ultrasonogr, 2013, 22(5): 458-459. DOI: 10.3760/cma.j.issn.1004-4477.2013.05.030
[28] 王国豪, 靳英辉, 张磊, 等. 国内中医护理系统评价/Meta分析的报告质量与方法学质量评价[J]. 护理学杂志, 2016, 31(1): 98-102. DOI: 10.3870/j.issn.1001-4152.2016.01.098 Wang G H, Jin Y H, Zhang L, et al. Reporting and methodological quality of systematic reviews and Meta-analyses in TCM nursing[J]. J Nurs Sci, 2016, 31(1): 98-102. DOI: 10.3870/j.issn.1001-4152.2016.01.098
[29] 王子怡, 卢存存, 张晶磊, 等. 个体预后与诊断多变量预测模型系统评价/Meta分析报告规范(TRIPOD-SRMA)解读[J]. 中国循证医学杂志, 2024, 24(2): 202-210. https://www.cnki.com.cn/Article/CJFDTOTAL-ZZXZ202402008.htm Wang Z Y, Lu C C, Zhang J L, et al. Interpretation of checklist for transparent reporting of multivariable prediction models for individual prognosis or diagnosis tailored for systematic reviews and meta-analyses(TRIPOD-SRMA)[J]. J Evid Based Med, 2024, 24(2): 202-210. https://www.cnki.com.cn/Article/CJFDTOTAL-ZZXZ202402008.htm
[30] Shea B J, Reeves B C, Wells G, et al. AMSTAR 2: a critical appraisal tool for systematic reviews that include randomised or non-randomised studies of healthcare interventions, or both[J]. BMJ, 2017, 358: j4008.
-
期刊类型引用(6)
1. 范亚欣，毕晓琳，李宁，刘俊，张婵，马晓露，王忠利，高艳. 全子宫切除术患者围手术期输血研究. 中国输血杂志. 2021(01): 29-31 . 
百度学术
2. 胡婷婷，孙婷，李凌波. 红细胞RhE抗原对卵巢癌患者围术期免疫功能及预后的影响. 临床血液学杂志(输血与检验). 2020(06): 817-820 . 百度学术
3. 李可馨，商丽华，龙波. 宫颈癌根治术中用血风险因素的评估. 中国现代医学杂志. 2019(09): 94-99 . 百度学术
4. 蔡娟，朱正荣，宋金凤. 全子宫切除术异体红细胞输注情况分析. 中国输血杂志. 2017(06): 621-623 . 百度学术
5. 张伟东，关飞舜，梁明月，梁华钦. 广州市自体输血开展情况调查与分析. 中国卫生质量管理. 2017(06): 97-99 . 百度学术
6. 程捷瑶，李景南，甘佳，钱家鸣，陆星华，杨爱明. 2015年北京协和医院消化内科红细胞输注情况. 协和医学杂志. 2016(05): 362-366 . 本站查看
其他类型引用(3)
计量
- 文章访问数: 320
- HTML全文浏览量: 52
- PDF下载量: 42
- 被引次数: 9
