Vierhundert Abstracts sind für ein überschaubares Review eine normale Zahl. Bei einer Minute pro Abstract ist das ein voller Arbeitstag, und niemand sichtet acht Stunden am Stück gut. Ab Abstract 250 beginnen die Entscheidungen zu driften, und ab 350 schließen Sie Dinge ein, die Sie am Morgen noch ausgeschlossen hätten.
Screening muss keine Heldentat sein. Es braucht Struktur.
Bevor Sie anfangen: Kriterien aufschreiben
Formulieren Sie vier oder fünf Einschlusskriterien als kurze, überprüfbare Aussagen. Population, Exposition oder Intervention, Outcome, Design, Zeitraum. Braucht ein Kriterium einen ganzen Absatz zur Erklärung, teilen Sie es auf. Testen Sie die Kriterien an 20 Abstracts und justieren Sie nach, bevor Sie weitermachen.
Drei Entscheidungen statt zwei
Einschließen, ausschließen, unsicher. Der Unsicher-Stapel hält Sie in Bewegung. Die meisten verschwenden Zeit damit, über Grenzfälle einzeln zu grübeln; sie am Ende gebündelt abzuarbeiten, ist schneller und konsistenter.
In Blöcken zu 50 arbeiten
Machen Sie zwischen den Blöcken eine Pause und lesen Sie vor jedem Block Ihre Kriterien noch einmal. Klingt banal. Ist aber der wirksamste Schutz gegen Drift.
Die KI den ersten Durchgang machen lassen, mit Begründungen
Machine Learning wird seit Jahren eingesetzt, um das Screening in Evidenzsynthesen zu beschleunigen [1]. Entscheidend ist nicht die Geschwindigkeit, sondern die Nachprüfbarkeit. Ein erster Durchgang nützt nur, wenn Sie sehen, warum jedes Paper behalten oder ausgeschlossen wurde, und die Grenzfälle selbst prüfen können.
In tlooto wird jeder Kandidat anhand expliziter Einschlusskriterien bewertet, die aus Ihrer Frage abgeleitet sind, analog zur Screening-Phase eines systematischen Reviews. Die Papers, die bestehen, werden gerankt und als fokussiertes Evidenzset an die Synthese übergeben, und der Bereich Arbeitsprozess zeigt, was behalten wurde und warum.
Bei einem formalen systematischen Review behandeln Sie das als zweite Begutachtung oder als Priorisierungsschritt, nicht als Ersatz für Ihr Protokoll. Behalten Sie das doppelte Screening bei, wo Ihre Methodik es verlangt, und berichten Sie die KI-Unterstützung transparent gemäß PRISMA 2020.
Eine Checkliste, die Ihr Wochenende rettet
- Kriterien aufgeschrieben und an 20 Abstracts getestet.
- Drei Entscheidungen: einschließen, ausschließen, unsicher.
- Blöcke zu 50, Kriterien vor jedem Block erneut gelesen.
- KI-Vorscreening mit sichtbaren Gründen; Sie prüfen die unsicheren Fälle und Grenzfälle.
- Jeder Ausschlussgrund für Ihr Flussdiagramm festgehalten.
Screening in einem tlooto-Bericht ansehen →
Literatur
[1] Marshall, I. J., & Wallace, B. C. (2019). Toward systematic review automation: a practical guide to using machine learning tools in research synthesis. Systematic Reviews, 8. https://doi.org/10.1186/s13643-019-1074-9