systematic-review-prisma

PRISMA 2020 に基づくシステマティックレビュー

システマティックレビューは、透明性と再現性によって評価されます。別のチームが検索を再実行し、同じ採択文献にたどり着ける必要があります。以下のフェーズに沿って作業し、進捗に合わせて監査証跡（日時、件数、判断）を残してください。最後に記録を整えようとすると、査読で不採択になる原因になります。

フェーズ 1：プロトコル（検索前）

1. PICO（対象集団、介入、比較対照、アウトカム）を用いて問いを設定します。曝露には PECO、質的研究には SPIDER、スコーピングレビューには PCC を用います。
2. 適格性基準、主要／副次アウトカム、データベース、対象期間、言語、バイアスリスク評価ツール、統合方法を事前に定めます。
3. スクリーニング開始前にプロトコルを登録します。PROSPERO（健康、人を対象とするアウトカム）または OSF Registries（それ以外）に登録してください。登録 ID を論文用に記録します。
4. PRISMA-P チェックリストを用いてプロトコルを作成します。スコーピングレビューには PRISMA-ScR を用います。

フェーズ 2：検索

• PICO の各要素について概念ブロックを作成します。統制語彙（PubMed の MeSH、Embase の Emtree）OR フリーテキストの同義語を組み合わせ、各ブロックを AND でつなぎます。
• データベースごとに構文を変換します（フィールドタグは異なります。PubMed は [tiab]、Embase は :ti,ab、Scopus は TITLE-ABS-KEY()、Web of Science は TS=）。同じ検索式をどこにでも貼り付けてはいけません。
• 検索感度を検証します。検索によって、あらかじめ用意した関連論文の集合が取得される必要があります。
• 少なくとも 2 つの書誌データベースに加えて試験登録簿を検索し、採択した研究の引用文献と被引用文献も検索します。
• データベースごとに、プラットフォーム、正確な検索式、実施日、ヒット件数を記録します。これらは補足資料に一字一句そのまま記載します（PRISMA 項目 7）。検索報告の詳細は PRISMA-S で扱います。

PubMed のブロック構造の例：

("Diabetes Mellitus, Type 2"[Mesh] OR "type 2 diabetes"[tiab] OR T2DM[tiab])
AND ("Metformin"[Mesh] OR metformin[tiab])
AND (randomized controlled trial[pt] OR randomi*[tiab] OR placebo[tiab])

フェーズ 3：重複除去とスクリーニング

python scripts/dedupe_records.py pubmed.ris embase.ris scopus.csv wos.bib \
  -o screening.csv --summary dedup-counts.json

出力 CSV には、スプレッドシートでスクリーニングするための screen_title_abstract、screen_full_text、exclusion_reason 列があります。または、Rayyan、Covidence、ASReview にインポートできます。

• 2 名の独立したレビュアーが、タイトルと抄録をスクリーニングし、続いて全文をスクリーニングします。一致度（Cohen のカッパ係数）と、意見の相違をどのように解決したかを報告します。
• 全文確認後に除外する場合は、あらかじめ定めたリストから各文献につき主要な理由を 1 つ選びます。これらはフローダイアグラムの「除外された報告」欄に記載します。
• AI 支援スクリーニング（アクティブラーニング、LLM によるトリアージ）は、その手法を記述し、人間の判断に対して検証する必要があります。また、除外の判断において唯一のレビュアーとして使用してはいけません。

フェーズ 4：データ抽出とバイアスリスク評価

• 3～5 件の研究でデータ抽出フォームを試行します。可能であれば、二重に抽出します。
• 研究デザインに応じたバイアスリスク評価ツールを使用します。RoB 2（ランダム化試験）、ROBINS-I（非ランダム化介入）、ROBINS-E（曝露）、QUADAS-2（診断精度）、Newcastle-Ottawa（観察研究で広く使用）、CASP/JBI（質的研究）。
• GRADE を用いてアウトカムごとにエビデンスの確実性を評価し、「エビデンスの要約」表を提示します。

フェーズ 5：統合

• 研究間に十分な類似性がある場合にのみメタアナリシスを行います。臨床的および方法論的な異質性がある場合、デフォルトでランダム効果モデルを使用します。I²、tau²、予測区間を報告します。
• 事前に定めたサブグループ解析と感度分析のみを行います。事後解析には、その旨を明記します。
• 小規模研究効果については、研究が 10 件以上ある場合にファンネルプロットと Egger 検定を用います。
• メタアナリシスを行わない場合は、SWiM（メタアナリシスを伴わない統合）のガイダンスに従います。
• 計算には R の metafor／meta または Python の statsmodels（statistical-analysis スキルを参照）を使用します。

フェーズ 6：報告

記録した件数からフローダイアグラムを生成します。件数の計算に整合性がない場合、スクリプトは処理を拒否します。

python scripts/prisma_flow.py --template > prisma-counts.json   # fill in
python scripts/prisma_flow.py prisma-counts.json > prisma.mmd    # Mermaid for Markdown/Quarto
python scripts/prisma_flow.py prisma-counts.json --format dot -o prisma.dot && dot -Tsvg prisma.dot -o prisma.svg

27 項目の PRISMA 2020 チェックリスト（references/prisma-2020-checklist.md）を完成させ、各項目を報告しているページ／セクションを記載し、論文とともに提出します。 抄録は PRISMA 2020 for Abstracts チェックリスト（12 項目）に従う必要があります。

完全性に関するルール

• 検索件数、研究、選別の判断を決して捏造しないでください。フローダイアグラム内のすべての数値は、記録されたログに基づいている必要があります。
• 各採用研究の書誌情報（citation-verification）を検証し、正確な検索日を報告してください。

レビューが却下される一般的な理由

• プロトコルが登録されていない、または選別開始後に登録され、説明がない。
• データベースが1つのみで、グレー文献やレジスターを検索していない。
• 検索式が完全に報告されていない、または再現できない。
• 正当な理由のない、単独レビュアーによる選別。
• フローダイアグラムの数値が合計で一致しない（スクリプトで防止されます）。
• 臨床的に異質な研究を統合し、統合結果におけるバイアスリスクを無視している。
• 結論がGRADEの確実性による裏付けを超えている。

関連スキル

literature-review（ナラティブ検索およびスコーピング検索）、citation-verification、 statistical-analysis、scientific-writing、peer-review。