Studienfilter bestehen aus einer definierten Kombination von Suchbegriffen, um Referenzen mit einem spezifischen Studiendesign möglichst genau vorzuselektieren. Kontrollierte nicht-randomisierte Studien (NRS) werden in Datenbanken sehr unterschiedlich dargestellt. Ohne speziellen Studienfilter für NRS kommen bei Recherchen deshalb bisher sehr große Trefferzahlen zustande, aus denen relevante NRS sehr zeitaufwändig von Hand herausgefiltert werden müssen. Mithilfe der neuen Studienfilter lassen sich nun die Trefferzahlen durch eine systematische NRS-Suche in den Datenbanken PubMed und Medline (OVID) deutlich reduzieren.
Ein IQWiG-Team hat in Zusammenarbeit mit Wissenschaftlerinnen und Wissenschaftlern vom “Department of Health Research Methods, Evidence & Impact” an der McMaster University/Canada zwei spezifische NRS-Suchfilter erarbeitet. Auf Basis von 4544 vorab identifizierten relevanten NRS wurden mithilfe der McMaster Clinical Hedges Database die beiden neuen Filter entwickelt: Der Suchfilter für eine umfassende Recherche identifiziert mit einer hohen Sensitivität von 92,17% kontrollierte nicht randomisierte Studien in PubMed und Medline. Der zweite Suchfilter ist optimiert für stärker fokussierte Recherchen nach NRS und selektiert mit einer Spezifität von 92,06%. Die Einzelheiten zur Entwicklung und Validierung der Suchfilter sind jetzt in einer Publikation verfügbar (siehe unten).
Ein IQWiG-Team hat in Zusammenarbeit mit Wissenschaftlerinnen und Wissenschaftlern vom “Department of Health Research Methods, Evidence & Impact” an der McMaster University/Canada zwei spezifische NRS-Suchfilter erarbeitet. Auf Basis von 4544 vorab identifizierten relevanten NRS wurden mithilfe der McMaster Clinical Hedges Database die beiden neuen Filter entwickelt: Der Suchfilter für eine umfassende Recherche identifiziert mit einer hohen Sensitivität von 92,17% kontrollierte nicht randomisierte Studien in PubMed und Medline. Der zweite Suchfilter ist optimiert für stärker fokussierte Recherchen nach NRS und selektiert mit einer Spezifität von 92,06%. Die Einzelheiten zur Entwicklung und Validierung der Suchfilter sind jetzt in einer Publikation verfügbar (siehe unten).
