Metodologia: com respon Evidencing
Evidencing respon preguntes clíniques i de recerca en salut només a partir d’estudis publicats. Aquesta pàgina explica d’on surten els estudis, com s’escullen i com es valora l’evidència, perquè puguis jutjar cada resposta.
- Fonts
- Cerca
- Selecció d’estudis
- Resposta i cites
- Força de l’evidència
- Mesurador de consens
- Certesa i acord
- Límits
- Qui hi ha al darrere
- Privacitat
Fonts
Cerquem a PubMed (MEDLINE), Europe PMC i OpenAlex, tres bases de dades bibliogràfiques obertes que cobreixen la literatura biomèdica i de ciències de la salut. Fem servir el títol, el resum i les dades de publicació de cada estudi; els resultats de les tres bases s’uneixen i s’eliminen els duplicats.
Cerca
La IA converteix la teva pregunta, escrita en qualsevol idioma, en els seus elements PICO (població, intervenció o exposició, comparació i resultat) i en diverses cerques amb termes MeSH i sinònims: una de precisa amb tota la pregunta, una de més àmplia sense l’àmbit ni la població, una de revisions sistemàtiques i metaanàlisis, i una de resultats i efectes adversos.
Selecció d’estudis
D’un màxim de 100 estudis trobats, la IA llegeix cada resum, n’identifica el disseny i la mida de la mostra i puntua del 0 al 10 si respon la pregunta. Els que no hi tenen relació es descarten, i la resposta s’escriu a partir dels més rellevants (fins a 20), amb preferència pels dissenys més sòlids.
Resposta i cites
La resposta només pot fer servir els estudis seleccionats, i cada afirmació porta la cita del seu estudi (autor i any). Les cites a estudis que no eren entre els trobats s’eliminen abans de mostrar la resposta, i la frase de suport de cada estudi es comprova paraula per paraula amb el seu resum.
Força de l’evidència
Cada troballa rep una puntuació de l’1 al 10 segons quants estudis la sostenen, de quin tipus són i si coincideixen. El disseny més sòlid marca el sostre: metaanàlisis i revisions sistemàtiques fins a 10, assajos aleatoritzats 9, cohorts i altres estudis observacionals 7, estudis transversals 6, casos clínics i revisions narratives 4, estudis en animals i in vitro 3.
Mesurador de consens
En les preguntes de sí o no, mostra quin percentatge dels estudis que hi responen diu sí, possiblement, mixt o no. Compta estudis sense ponderar-los per la seva qualitat: per això es llegeix juntament amb la força de l’evidència.
Certesa i acord
La certesa (alta, moderada, baixa o molt baixa) resumeix quant es pot confiar en la conclusió, i l’acord indica si els estudis coincideixen, donen resultats mixtos, es contradiuen o són insuficients.
Límits
Les respostes es basen en els resums, no en el text complet dels estudis, i les genera una IA que es pot equivocar o simplificar. No substitueixen una revisió sistemàtica ni el judici clínic, i no són consell mèdic. Si no hi ha prou estudis per a una pregunta, Evidencing ho diu en lloc d’inventar-se una resposta.
Qui hi ha al darrere
Evidencing és l’eina gratuïta de SysRevAI, la plataforma de codi obert (AGPL-3.0) per a revisions sistemàtiques amb IA en l’àmbit de la salut. A SysRevAI les mateixes respostes s’amplien amb preguntes de seguiment, un mode profund que llegeix el text complet dels estudis en accés obert i l’exportació a PDF i Word.
Privacitat
Per preguntar no cal compte. La pregunta es desa de manera anònima per mostrar-te la resposta i s’esborra als 30 dies si no la passes a un compte de SysRevAI. De la teva adreça IP només es desa una empremta anònima (hash) per als límits diaris, i només fem servir galetes tècniques.
Pregunta a l’evidència científica en salut i obtén una resposta amb els estudis citats
La primera resposta, completa · Gratis i sense registre · No és consell mèdic
Les respostes les genera una IA a partir dels resums dels estudis citats. No són consell mèdic ni substitueixen el judici clínic.