Przegląd zakresu (scoping review) krok po kroku: od PCC do mapy dowodów

Autor: Konrad Hryniewicz · Opublikowano: 27 października 2026 · Aktualizacja: 26 października 2026

Kiedy przegląd zakresu, a kiedy systematyczny

Przegląd zakresu (scoping review) odpowiada na pytanie „co i jak badano”, a nie „czy interwencja działa”. Munn i in. (2022) definiują go jako syntezę dowodów, która systematycznie identyfikuje i mapuje zakres dostępnych dowodów na dany temat, często bez względu na rodzaj źródła: badania pierwotne, przeglądy, a nawet teksty nieempiryczne. Definicję i krótkie porównanie z innymi rodzajami przeglądów znajdziesz w haśle przegląd zakresu. Tutaj przechodzimy przez cały projekt na jednym przykładzie.

Munn i in. (2018) wymieniają typowe cele, dla których przegląd zakresu jest lepszy od przeglądu systematycznego:

• rozpoznanie, jakie rodzaje dowodów istnieją w danej dziedzinie;
• wyjaśnienie kluczowych pojęć i definicji;
• zbadanie, jak prowadzi się badania na dany temat (schematy, narzędzia, wyniki);
• wskazanie luk w wiedzy;
• przygotowanie gruntu pod przegląd systematyczny.

Jeśli pytasz o wielkość efektu albo chcesz z przeglądu wyprowadzić zalecenia dla praktyki, potrzebujesz przeglądu systematycznego, często z metaanalizą. Munn i in. (2018) ostrzegają też przed odwrotnym błędem: wybieraniem przeglądu zakresu tylko po to, by ominąć krytyczną ocenę badań i skrócić pracę. Przegląd zakresu też wymaga protokołu, wyczerpującego wyszukiwania i pracy co najmniej dwóch osób.

Ramy metodologiczne: Arksey i O'Malley, Levac, JBI, PRISMA-ScR

W metodach przeglądu powołuj się na konkretną ramę. Najczęściej spotkasz cztery źródła, które się uzupełniają:

Pamiętaj o różnicy: JBI i Arksey z O'Malley mówią, jak prowadzić przegląd, a PRISMA-ScR – co opisać w raporcie. Wytyczne JBI są zgodne z PRISMA-ScR (Peters i in., 2020), więc dobrze jest stosować obie.

Przykład: interwencje wspierające zdrowie psychiczne studentów

Przez cały wpis używamy jednego projektu (dane symulowane). Interesuje nas, jakie interwencje wspierające zdrowie psychiczne studentów kierunków medycznych i nauk o zdrowiu badano i jakie wyniki w nich mierzono. Nie pytamy, która interwencja działa najlepiej. To pytanie postawimy dopiero w przeglądzie systematycznym, jeśli mapa pokaże, że jest na czym go oprzeć.

Plik do pobrania: przeglad-zakresu-formularz-ekstrakcji.xlsx – pusty formularz ekstrakcji (16 kolumn), arkusz z symulowanymi danymi 58 badań i słownik kodów. Wszystkie liczby poniżej pochodzą z kodu w sekcji Przegląd zakresu w R.

Krok 1. Pytanie i kryteria według PCC

W przeglądzie systematycznym pytanie buduje się zwykle według PICO. W przeglądzie zakresu porównanie i wynik często nie istnieją, dlatego autorzy z JBI zalecają schemat PCC: populacja, pojęcie (concept), kontekst (Munn i in., 2018). Levac i in. (2010) radzą łączyć szerokie pytanie z jasno określonym zakresem, bo zbyt ogólne pytanie nie podpowiada, które prace włączyć.

Z PCC wyprowadzisz kryteria włączenia i wyłączenia. Zapisz je tak, by druga osoba mogła je stosować bez pytania Cię o zdanie.

Krok 2. Protokół

Peters i in. (2022) traktują protokół jako pierwszy etap przeglądu zakresu i podają listę kontrolną jego elementów. Zapisz w nim co najmniej cel i pytanie, kryteria PCC, rodzaje źródeł, strategię wyszukiwania, procedurę selekcji, wstępny formularz ekstrakcji i plan prezentacji wyników. Protokół udostępnij publicznie przed rozpoczęciem selekcji. Chroni Cię to przed zarzutem, że kryteria dopasowano do znalezionych prac, podobnie jak prerejestracja w badaniu pierwotnym. Zmiany w trakcie przeglądu są dopuszczalne, ale opisz je w raporcie razem z uzasadnieniem.

Krok 3. Wyszukiwanie i selekcja

Jak dobrać bazy, słowa kluczowe i operatory, pokazujemy w poradniku jak napisać przegląd literatury. W przykładzie przeszukano cztery bazy: MEDLINE (585 rekordów), Scopus (609), PsycINFO (414) i CINAHL (287). Z innych źródeł, czyli rejestrów, literatury szarej i list piśmiennictwa, dodano 27 rekordów. Łącznie było to 1922 rekordy. Po usunięciu 548 duplikatów tytuły i abstrakty 1374 rekordów oceniały dwie osoby niezależnie.

Levac i in. (2010) opisują selekcję jako proces iteracyjny i zalecają spotkania zespołu na początku, w połowie i na końcu przeglądu abstraktów. Warto zacząć od pilotażu na wspólnej próbie rekordów i policzyć zgodność (kappa Cohena):

• Runda 1 (150 rekordów): zgodność 82.7%, ale κ = .25, 95% CI [.04, .46]. Osoba A włączyła 15 rekordów, które B odrzuciła, a B włączyła 11 odrzuconych przez A. Obie zgodnie włączyły tylko 7.
• Doprecyzowanie kryteriów: zespół ustalił, co liczy się jako interwencja, a co jako jednorazowy wykład.
• Runda 2 (kolejne 150 rekordów): zgodność 96.0%, κ = .85, 95% CI [.73, .97].

Zwróć uwagę na rozbieżność między 82.7% zgodności a κ = .25. Gdy większość rekordów i tak się odrzuca, wysoka zgodność procentowa niewiele mówi. Kappa koryguje ją o zgodność przypadkową (więcej o tym we wpisie o zgodności sędziów).

Do pełnych tekstów zakwalifikowano 112 prac, z których 5 nie udało się pozyskać. Spośród 107 ocenionych wykluczono 49, a powody zapisano w raporcie:

• inna populacja – 16;
• brak interwencji – 11;
• inny kontekst niż uczelnia – 9;
• brak danych empirycznych – 8;
• duplikat publikacji – 5.

Do przeglądu włączono 58 badań. Te liczby trafiają do diagramu przepływu.

Krok 4. Ekstrakcja danych (charting)

Formularz ekstrakcji wynika z pytania. Skoro mapujemy interwencje i wyniki, wyodrębniamy między innymi:

• typ i opis interwencji oraz czas jej trwania;
• populację i kierunek studiów;
• schemat badania;
• mierzone wyniki i narzędzia pomiaru;
• długość obserwacji po zakończeniu interwencji (katamnezę).

Pollock i in. (2023) zwracają uwagę, że trzeba ustalić także, czego nie wyodrębniać. Formularz, który zbiera wszystko, spowalnia pracę i rozmywa odpowiedź na pytanie.

Levac i in. (2010) zalecają, by formularz tworzył cały zespół, a dwie osoby niezależnie wypełniły go dla pierwszych 5–10 badań i porównały wyniki. Dopiero potem ekstrakcję prowadzi się dalej, a formularz poprawia się w razie potrzeby. Każdą zmianę kategorii odnotuj, bo czytelnik musi wiedzieć, skąd wzięły się kody. Kodowanie opisów interwencji przypomina kodowanie odpowiedzi otwartych: najpierw robocza lista kategorii, potem definicje i przykłady.

Krok 5. Analiza i prezentacja: liczby, tematy, mapa dowodów

Levac i in. (2010) proponują rozbić etap piąty na trzy kroki: analizę (podsumowanie liczbowe i analizę jakościową), raport wyników i nadanie im znaczenia dla praktyki, badań lub polityki. Pollock i in. (2023) opisują podstawową jakościową analizę treści jako typowe narzędzie tego etapu. Jej przebieg krok po kroku pokazujemy we wpisie o analizie treści pytań otwartych. W przeglądzie zakresu nie łączy się wyników liczbowych badań: zestawia się je i opisuje (Peters i in., 2022).

Podsumowanie liczbowe w przykładzie:

• Typ interwencji (k = 58): mindfulness 19 badań (32.8%), psychoedukacja 15 (25.9%), CBT online 11 (19.0%), aktywność fizyczna 8 (13.8%), wsparcie rówieśnicze 5 (8.6%).
• Schemat: RCT 20 badań (34.5%), pretest–posttest bez grupy kontrolnej 19 (32.8%), badania jakościowe lub mieszane 10 (17.2%), quasi-eksperymenty 9 (15.5%).
• Czas: badania pochodzą z lat 2011–2025, a połowa (29, czyli 50.0%) z okresu od 2020 r. Katamnezę trwającą co najmniej 3 miesiące miało 19 badań (32.8%).
• Wyniki: najczęściej mierzono stres (42 badania, 72.4%), dobrostan (28, 48.3%), lęk (25, 43.1%) i objawy depresji (21, 36.2%). Rzadziej wypalenie (12, 20.7%), a sen tylko w 3 badaniach (5.2%).

Najwięcej mówi mapa dowodów (rysunek 1), czyli tabela krzyżowa dwóch kluczowych wymiarów z liczbą badań w komórkach. Na mapie od razu widać, gdzie dowodów jest dużo, a gdzie wcale ich nie ma.

Mapa ujawnia 7 pustych komórek i 8 komórek z jednym lub dwoma badaniami. Snu prawie nie badano, a wsparcie rówieśnicze oceniano głównie pod kątem dobrostanu. Najwięcej badań dotyczy połączenia mindfulness i stresu (17), więc tam przegląd systematyczny z metaanalizą miałby największe szanse powodzenia.

Luka na mapie oznacza brak badań, a nie brak efektu. Liczba badań w komórce też nie mówi nic o skuteczności. Mapa pokazuje, gdzie badacze patrzyli, a nie co zobaczyli.

Czy oceniać jakość badań?

W przeglądzie zakresu krytyczna ocena badań nie jest obowiązkowa, ale zespół może ocenić i opisać ryzyko błędu (Munn i in., 2018). W przeglądzie 344 przeglądów zakresu ocenę jakości włączonych badań przeprowadzono w 22.38% z nich (Pham i in., 2014). Jeśli celem jest przygotowanie przeglądu systematycznego, ocena ryzyka błędu pomaga zaplanować dalsze kroki. Narzędzia do takiej oceny opisujemy we wpisie ocena ryzyka błędu: RoB 2, ROBINS-I, Newcastle–Ottawa.

Bez oceny jakości nie wyciągaj wniosków o skuteczności. Zapisz to wprost w ograniczeniach badania.

Krok 6. Konsultacja

U Arksey i O'Malley (2005) konsultacja z praktykami, decydentami i użytkownikami usług była etapem opcjonalnym, który zwiększa użyteczność wyników. Levac i in. (2010) proponują traktować ją jako obowiązkową i nadać jej jasny cel, np. weryfikację wstępnych wyników albo wskazanie priorytetów badawczych. W przykładzie można by pokazać mapę samorządowi studentów i pracownikom poradni uczelnianej. Jeśli konsultacja ma prowadzić do uzgodnienia priorytetów, rozważ ustrukturyzowaną formę, np. metodę delficką.

Raport według PRISMA-ScR

Lista PRISMA-ScR obejmuje 20 pozycji obowiązkowych i 2 opcjonalne (Tricco i in., 2018). Wypełnioną listę dołącz jako suplement, a w tekście podaj ramę metodologiczną, informację o protokole, źródła i daty wyszukiwania, procedurę selekcji i ekstrakcji oraz diagram przepływu. Dane z formularza ekstrakcji udostępnij w repozytorium, tak jak opisujemy w poradniku pakiet replikacyjny. Poniżej wzór akapitu metod i wyników dla przykładu:

W pracy doktorskiej przegląd zakresu bywa osobnym artykułem i punktem wyjścia do kolejnych badań. Jak zaplanować taką sekwencję publikacji, opisujemy w przewodniku doktorat i publikacje.

# Przegląd zakresu (scoping review) – przykład na danych symulowanych.
# Pytanie (PCC): jakie interwencje wspierające zdrowie psychiczne studentów kierunków medycznych
# i nauk o zdrowiu badano (Population, Concept) w środowisku uczelni w latach 2010–2025 (Context)
# i jakie wyniki w nich mierzono?
options(width = 110)
set.seed(119)

# --- 1. Przepływ rekordów (do diagramu PRISMA-ScR) ---------------------------------------
bazy <- c(MEDLINE = 640, Scopus = 560, PsycINFO = 410, CINAHL = 290)
rekordy_bazy <- rpois(length(bazy), bazy); names(rekordy_bazy) <- names(bazy)
inne_zrodla <- rpois(1, 30)                       # rejestry, literatura szara, listy piśmiennictwa
zidentyfikowane <- sum(rekordy_bazy) + inne_zrodla
duplikaty <- rbinom(1, zidentyfikowane, .27)
przesiane <- zidentyfikowane - duplikaty
do_pelnych <- rbinom(1, przesiane, .085)
nieuzyskane <- rbinom(1, do_pelnych, .04)
ocenione <- do_pelnych - nieuzyskane
powody <- c("inna populacja", "brak interwencji", "inny kontekst (poza uczelnią)",
            "brak danych empirycznych", "duplikat publikacji")
wlaczone <- rbinom(1, ocenione, .46)
wykluczone <- ocenione - wlaczone
wykl_powody <- table(factor(sample(powody, wykluczone, TRUE, prob = c(.34, .27, .16, .15, .08)), levels = powody))
print(rekordy_bazy)
print(c(inne_zrodla = inne_zrodla, zidentyfikowane = zidentyfikowane, duplikaty = duplikaty,
        przesiane = przesiane, odrzucone_tytul_abstrakt = przesiane - do_pelnych,
        pelne_teksty_szukane = do_pelnych, nieuzyskane = nieuzyskane, ocenione = ocenione,
        wykluczone = wykluczone, wlaczone = wlaczone))
print(wykl_powody)

# --- 2. Pilotaż selekcji: dwie osoby oceniają te same 150 rekordów -----------------------
n_pilot <- 150
istotny <- rbinom(n_pilot, 1, .12)
oc_A <- ifelse(istotny == 1, rbinom(n_pilot, 1, .90), rbinom(n_pilot, 1, .05))
oc_B <- ifelse(istotny == 1, rbinom(n_pilot, 1, .85), rbinom(n_pilot, 1, .07))
print(table(A = oc_A, B = oc_B))
zgodnosc <- mean(oc_A == oc_B)
k <- psych::cohen.kappa(cbind(oc_A, oc_B))
cat(sprintf("Zgodność procentowa: %.1f%%; kappa = %.2f, 95%% CI [%.2f, %.2f]\n",
            100 * zgodnosc, k$kappa, k$confid[1, 1], k$confid[1, 3]))
# Po pierwszej rundzie zespół doprecyzowuje kryteria (np. czym jest „interwencja”) i ocenia kolejne 150 rekordów
istotny2 <- rbinom(n_pilot, 1, .12)
oc_A2 <- ifelse(istotny2 == 1, rbinom(n_pilot, 1, .95), rbinom(n_pilot, 1, .02))
oc_B2 <- ifelse(istotny2 == 1, rbinom(n_pilot, 1, .93), rbinom(n_pilot, 1, .03))
print(table(A = oc_A2, B = oc_B2))
k2 <- psych::cohen.kappa(cbind(oc_A2, oc_B2))
cat(sprintf("Runda 2 – zgodność procentowa: %.1f%%; kappa = %.2f, 95%% CI [%.2f, %.2f]\n",
            100 * mean(oc_A2 == oc_B2), k2$kappa, k2$confid[1, 1], k2$confid[1, 3]))

# --- 3. Ekstrakcja (charting) włączonych badań -------------------------------------------
typy <- c("mindfulness", "CBT online", "psychoedukacja", "aktywność fizyczna", "wsparcie rówieśnicze")
wyniki <- c("stres", "lęk", "objawy depresji", "dobrostan", "sen", "wypalenie")
p_typ <- c(.36, .22, .18, .14, .10)
# prawdopodobieństwo, że dany typ interwencji mierzył dany wynik (wiersze = typy)
p_wynik <- rbind(c(.85, .55, .45, .40, .12, .30),
                 c(.45, .80, .75, .20, .08, .05),
                 c(.60, .35, .25, .30, .05, .25),
                 c(.55, .30, .35, .45, .40, .00),
                 c(.40, .05, .10, .50, .00, .20))
schematy <- c("RCT", "quasi-eksperyment", "pretest–posttest", "jakościowy lub mieszany")
p_schemat <- rbind(c(.45, .20, .25, .10), c(.60, .15, .20, .05), c(.20, .30, .35, .15),
                   c(.30, .30, .30, .10), c(.10, .20, .35, .35))
badania <- do.call(rbind, lapply(seq_len(wlaczone), function(i) {
  t <- sample(seq_along(typy), 1, prob = p_typ)
  w <- rbinom(length(wyniki), 1, p_wynik[t, ])
  if (sum(w) == 0) w[which.max(p_wynik[t, ])] <- 1
  data.frame(id = sprintf("S%02d", i), rok = sample(2010:2025, 1, prob = seq(1, 4, length.out = 16)),
             interwencja = typy[t], schemat = sample(schematy, 1, prob = p_schemat[t, ]),
             katamneza_3m = rbinom(1, 1, .28), t(setNames(w, wyniki)), check.names = FALSE)
}))
badania$interwencja <- factor(badania$interwencja, levels = typy)
badania$schemat <- factor(badania$schemat, levels = schematy)
tab_typ <- table(badania$interwencja)
print(cbind(n = tab_typ, procent = round(100 * prop.table(tab_typ), 1)))
tab_sch <- table(badania$schemat)
print(cbind(n = tab_sch, procent = round(100 * prop.table(tab_sch), 1)))
cat(sprintf("Badania od %d do %d; od 2020 r.: %d (%.1f%%)\n", min(badania$rok), max(badania$rok),
            sum(badania$rok >= 2020), 100 * mean(badania$rok >= 2020)))
cat(sprintf("Katamneza >= 3 miesiące: %d z %d (%.1f%%)\n", sum(badania$katamneza_3m), wlaczone,
            100 * mean(badania$katamneza_3m)))
mapa <- sapply(wyniki, function(w) tapply(badania[[w]], badania$interwencja, sum))
print(mapa)
cat("Wynik mierzony w ilu badaniach (n i %):\n")
print(rbind(n = colSums(badania[, wyniki]), procent = round(100 * colSums(badania[, wyniki]) / wlaczone, 1)))
cat("Puste komórki mapy (luki):\n")
luki <- which(mapa == 0, arr.ind = TRUE)
print(data.frame(interwencja = rownames(mapa)[luki[, 1]], wynik = colnames(mapa)[luki[, 2]]))
cat("Komórki z 1–2 badaniami:", sum(mapa %in% 1:2), "\n")

# Zapis do dalszych skryptów (rysunek) i arkusz ekstrakcji do pobrania
saveRDS(list(badania = badania, mapa = mapa), "b119-dane.rds")
suppressPackageStartupMessages(library(openxlsx))
wb <- createWorkbook(creator = "Metodolog.pl", title = "Formularz ekstrakcji danych – przegląd zakresu",
                     subject = "Przegląd zakresu (scoping review)")
addWorksheet(wb, "formularz")
kolumny <- data.frame(id = character(), autorzy_rok = character(), kraj = character(), cel_badania = character(),
                      populacja_kierunek = character(), liczebnosc = character(), kontekst_uczelnia = character(),
                      interwencja_typ = character(), interwencja_opis = character(), czas_trwania = character(),
                      schemat = character(), wyniki_mierzone = character(), narzedzia_pomiaru = character(),
                      katamneza = character(), glowne_ustalenia = character(), uwagi_ekstraktora = character())
writeData(wb, "formularz", kolumny)
addWorksheet(wb, "przyklad_symulowany")
writeData(wb, "przyklad_symulowany", badania)
addWorksheet(wb, "slownik_kodow")
writeData(wb, "slownik_kodow", data.frame(zmienna = c(rep("interwencja_typ", 5), rep("schemat", 4)),
                                          kod = c(typy, schematy)))
setColWidths(wb, "formularz", cols = 1:ncol(kolumny), widths = 22)
saveWorkbook(wb, "../przeglad-zakresu-formularz-ekstrakcji.xlsx", overwrite = TRUE)
spr <- readxl::read_excel("../przeglad-zakresu-formularz-ekstrakcji.xlsx", sheet = "przyklad_symulowany")
cat("Arkusz – wiersze i kolumny przykładu:", dim(spr), "\n")
cat("Arkusze:", readxl::excel_sheets("../przeglad-zakresu-formularz-ekstrakcji.xlsx"), "\n")

 MEDLINE   Scopus PsycINFO   CINAHL 
     585      609      414      287 
             inne_zrodla          zidentyfikowane                duplikaty                przesiane 
                      27                     1922                      548                     1374 
odrzucone_tytul_abstrakt     pelne_teksty_szukane              nieuzyskane                 ocenione 
                    1262                      112                        5                      107 
              wykluczone                 wlaczone 
                      49                       58 

               inna populacja              brak interwencji inny kontekst (poza uczelnią) 
                           16                            11                             9 
     brak danych empirycznych           duplikat publikacji 
                            8                             5 
   B
A     0   1
  0 117  11
  1  15   7
Zgodność procentowa: 82.7%; kappa = 0.25, 95% CI [0.04, 0.46]
   B
A     0   1
  0 124   3
  1   3  20
Runda 2 – zgodność procentowa: 96.0%; kappa = 0.85, 95% CI [0.73, 0.97]
                      n procent
mindfulness          19    32.8
CBT online           11    19.0
psychoedukacja       15    25.9
aktywność fizyczna    8    13.8
wsparcie rówieśnicze  5     8.6
                         n procent
RCT                     20    34.5
quasi-eksperyment        9    15.5
pretest–posttest        19    32.8
jakościowy lub mieszany 10    17.2
Badania od 2011 do 2025; od 2020 r.: 29 (50.0%)
Katamneza >= 3 miesiące: 19 z 58 (32.8%)
                     stres lęk objawy depresji dobrostan sen wypalenie
mindfulness             17   8               8        10   1        10
CBT online               7  10               8         6   0         1
psychoedukacja          12   7               2         3   0         1
aktywność fizyczna       4   0               2         6   2         0
wsparcie rówieśnicze     2   0               1         3   0         0
Wynik mierzony w ilu badaniach (n i %):
        stres  lęk objawy depresji dobrostan sen wypalenie
n        42.0 25.0            21.0      28.0 3.0      12.0
procent  72.4 43.1            36.2      48.3 5.2      20.7
Puste komórki mapy (luki):
           interwencja     wynik
1   aktywność fizyczna       lęk
2 wsparcie rówieśnicze       lęk
3           CBT online       sen
4       psychoedukacja       sen
5 wsparcie rówieśnicze       sen
6   aktywność fizyczna wypalenie
7 wsparcie rówieśnicze wypalenie
Komórki z 1–2 badaniami: 8 
Arkusz – wiersze i kolumny przykładu: 58 11 
Arkusze: formularz przyklad_symulowany slownik_kodow 

Najczęstsze błędy w przeglądzie zakresu

• Pytanie o skuteczność w przeglądzie zakresu. Jeśli tytuł obiecuje odpowiedź, „czy X działa”, potrzebujesz przeglądu systematycznego.
• Brak protokołu albo protokół napisany po selekcji.
• Jedna osoba na wszystkich etapach i brak pilotażu selekcji oraz ekstrakcji.
• Sama zgodność procentowa zamiast kappy przy bardzo małym odsetku włączanych rekordów.
• Streszczanie badań jedno po drugim zamiast podsumowania liczbowego, kategorii i mapy.
• Odczytywanie mapy jak metaanalizy: „dużo badań” to nie „silne dowody”, a „luka” to nie „brak efektu”.
• Powołanie się na PRISMA-ScR jako metodę. To standard raportowania; metodę opisuje rama JBI albo Arksey i O'Malley.

Gdy przegląd zakresu pokaże, że w jakiejś komórce jest wystarczająco dużo porównywalnych badań, następnym krokiem jest przegląd systematyczny z oceną ryzyka błędu, metaanalizą i oceną pewności dowodów w systemie GRADE. Jeśli planujesz taki projekt i chcesz omówić analizy, zajrzyj do oferty analiz statystycznych dla badaczy.

Najczęstsze pytania

Czy przegląd zakresu może być pracą magisterską?

Tak, jeśli pytanie dotyczy tego, co i jak badano, a nie skuteczności interwencji. Wymaga jednak tego samego rygoru co przegląd systematyczny: protokołu, kilku baz, kryteriów PCC i najlepiej drugiej osoby na etapie selekcji. Zakres i liczbę baz uzgodnij z promotorem, a brak drugiej osoby opisz w ograniczeniach.

Czym różni się PCC od PICO?

PICO (populacja, interwencja, porównanie, wynik) służy do pytań o efekt, typowych dla przeglądu systematycznego. PCC (populacja, pojęcie, kontekst) pasuje do pytań mapujących, w których nie ma porównania ani jednego wyniku. Pojęcie może obejmować interwencje, narzędzia pomiaru albo sposób prowadzenia badań.

Czy w scoping review ocenia się ryzyko błędu badań?

Nie jest to obowiązkowe, ale zespół może ocenić i opisać ryzyko błędu (Munn i in., 2018). Bez takiej oceny nie wyciągaj wniosków o skuteczności. Jeśli przegląd zakresu ma przygotować przegląd systematyczny, ocena ryzyka błędu pomaga zaplanować dalsze kroki.

Co to jest mapa dowodów w przeglądzie zakresu?

To tabela krzyżowa dwóch kluczowych wymiarów, np. typu interwencji i mierzonego wyniku, z liczbą badań w każdej komórce, często w formie wykresu bąbelkowego. Pokazuje, gdzie badań jest dużo, a gdzie są luki. Liczba badań w komórce nie świadczy o skuteczności, a pusta komórka oznacza brak badań, nie brak efektu.

Ile pozycji ma lista kontrolna PRISMA-ScR?

PRISMA-ScR obejmuje 20 pozycji obowiązkowych i 2 opcjonalne (Tricco i in., 2018). Wypełnioną listę dołącz do artykułu jako suplement. PRISMA-ScR opisuje, co raportować, a nie jak prowadzić przegląd, więc w metodach powołaj się też na ramę JBI albo Arksey i O'Malley.

Powiązane hasła

Przeczytaj też

@article{arksey2005scoping, author={Arksey, Hilary and O'Malley, Lisa}, title={{Scoping studies: Towards a methodological framework}}, journal={International Journal of Social Research Methodology}, year={2005}, volume={8}, number={1}, pages={19--32}, doi={10.1080/1364557032000119616}}

@article{levac2010scoping, author={Levac, Danielle and Colquhoun, Heather and O'Brien, Kelly K.}, title={{Scoping studies: Advancing the methodology}}, journal={Implementation Science}, year={2010}, volume={5}, number={1}, eid={69}, doi={10.1186/1748-5908-5-69}}

@article{munn2018systematic, author={Munn, Zachary and Peters, Micah D. J. and Stern, Cindy and Tufanaru, Catalin and McArthur, Alexa and Aromataris, Edoardo}, title={{Systematic review or scoping review? Guidance for authors when choosing between a systematic or scoping review approach}}, journal={BMC Medical Research Methodology}, year={2018}, volume={18}, number={1}, eid={143}, doi={10.1186/s12874-018-0611-x}}

@article{munn2022what, author={Munn, Zachary and Pollock, Danielle and Khalil, Hanan and Alexander, Lyndsay and McInerney, Patricia and Godfrey, Christina M. and Peters, Micah and Tricco, Andrea C.}, title={{What are scoping reviews? Providing a formal definition of scoping reviews as a type of evidence synthesis}}, journal={JBI Evidence Synthesis}, year={2022}, volume={20}, number={4}, pages={950--952}, doi={10.11124/jbies-21-00483}}

@article{peters2022best, author={Peters, Micah D. J. and Godfrey, Christina and McInerney, Patricia and Khalil, Hanan and Larsen, Palle and Marnie, Casey and Pollock, Danielle and Tricco, Andrea C. and Munn, Zachary}, title={{Best practice guidance and reporting items for the development of scoping review protocols}}, journal={JBI Evidence Synthesis}, year={2022}, volume={20}, number={4}, pages={953--968}, doi={10.11124/jbies-21-00242}}

@article{peters2020updated, author={Peters, Micah D. J. and Marnie, Casey and Tricco, Andrea C. and Pollock, Danielle and Munn, Zachary and Alexander, Lyndsay and McInerney, Patricia and Godfrey, Christina M. and Khalil, Hanan}, title={{Updated methodological guidance for the conduct of scoping reviews}}, journal={JBI Evidence Synthesis}, year={2020}, volume={18}, number={10}, pages={2119--2126}, doi={10.11124/jbies-20-00167}}

@article{pham2014scoping, author={Pham, Mai T. and Rajić, Andrijana and Greig, Judy D. and Sargeant, Jan M. and Papadopoulos, Andrew and McEwen, Scott A.}, title={{A scoping review of scoping reviews: Advancing the approach and enhancing the consistency}}, journal={Research Synthesis Methods}, year={2014}, volume={5}, number={4}, pages={371--385}, doi={10.1002/jrsm.1123}}

@article{pollock2023recommendations, author={Pollock, Danielle and Peters, Micah D. J. and Khalil, Hanan and McInerney, Patricia and Alexander, Lyndsay and Tricco, Andrea C. and Evans, Catrin and de Moraes, Érica Brandão and Godfrey, Christina M. and Pieper, Dawid and Saran, Ashrita and Stern, Cindy and Munn, Zachary}, title={{Recommendations for the extraction, analysis, and presentation of results in scoping reviews}}, journal={JBI Evidence Synthesis}, year={2023}, volume={21}, number={3}, pages={520--532}, doi={10.11124/jbies-22-00123}}

@article{tricco2018prismascr, author={Tricco, Andrea C. and Lillie, Erin and Zarin, Wasifa and O'Brien, Kelly K. and Colquhoun, Heather and Levac, Danielle and Moher, David and Peters, Micah D.J. and Horsley, Tanya and Weeks, Laura and Hempel, Susanne and Akl, Elie A. and Chang, Christine and McGowan, Jessie and Stewart, Lesley and Hartling, Lisa and Aldcroft, Adrian and Wilson, Michael G. and Garritty, Chantelle and Lewin, Simon and Godfrey, Christina M. and Macdonald, Marilyn T. and Langlois, Etienne V. and Soares-Weiser, Karla and Moriarty, Jo and Clifford, Tammy and Tunçalp, Özge and Straus, Sharon E.}, title={{PRISMA extension for scoping reviews (PRISMA-ScR): Checklist and explanation}}, journal={Annals of Internal Medicine}, year={2018}, volume={169}, number={7}, pages={467--473}, doi={10.7326/m18-0850}}