Litteratursøgning og reviews

Udover at udføre søgningen korrekt rent søgeteknisk, er det også vigtigt at søge i flere forskellige databaser og evt. andre informationskilder for at identificere så mange relevante studier som muligt. Valg af databaser og informationskilder afhænger af det pågældende emne.

Bibliografiske databaser
De mest anvendte bibliografiske databaser f.eks. indenfor sundhedsvidenskabelig er: PubMed, Medline, Embase og Cochrane Library. 
Tværfaglige bibliografiske databaser er f.eks. Academic Search Library

Emnespecifikke databaser
Der findes også emnespecifikke (bibliografiske) databaser med særligt konkrete fokus, f.eks. CINAHL, eller MathSciNet.

Tværfaglige søgemaskiner
De mere tværfaglige søgemaskiner omfatter: Web of Science, Scopus og Google Scholar. Web of Science og Scopus registrerer citationer, og kan benyttes til at lave en fremadrettet citationssøgning, hvor man identificerer hvilke publikationer, som har citeret en given relevant publikation.

Foruden de traditionelle databaser og søgemaskiner, eksisterer der øvrige informationskilder og anden litteratur, som kan være relevant.

Videnskabelige databaser anvender ofte kontrollerede emneord, og disse tilknyttes og beskriver primært reviews i databaserne.

Indenfor den sundhedsvidenskabelige verden er PubMed og Medline (Ovid) eksempler på dette og her anvendes MeSH (Medical Subject Headings). Embase (Ovid) anvender Emtree thesaurus og PsycINFO (Ovid) anvender Subject Headings se mere om Ovid databaserne på https://libguides.sdu.dk/OVID CINAHL anvender ligeledes Subject Headings.

Indenfor andre fagområder og andre databaser anvendes også kontrollerede emneord, f.eks. er der Subject Terms i Academic Search Premier og i Business Source Complete hedder det Thesaurus.

Fordelen ved de kontrollerede emneord er, at de sammenknytter alle artikler om et emne, uanset synonymer eller alternative stavemetoder – dette er selve hensigten med disse.

Databaser, som f.eks. Web of Science og Scopus, anvender ikke kontrollerede emneord.

Svagheden ved de kontrollerede emneord er typisk, at de er automatiseret, og det giver ikke mulighed for lange og grundige overvejelser og er ikke altid er baseret på tilstrækkelig faglig viden på området.

Så i praksis vil søgning udelukkende ved hjælp af kontrollerede emneord give en meget høj præcision (precision) men kun middel genfinding (recall) af den relevante litteratur.

Hvis du gerne vil lave en litteratursøgning, som giver ‘den vigtigste information om…’ eller ‘den essentielle information om…’ er det udmærket blot at benytte de kontrollerede emneord. Ønsker du derimod at finde al litteratur indenfor et givent emne i en database (øge recall), er det nødvendigt også at tage fritekstsøgning i brug.

Typisk søges fritekstordene i titel, abstract og keywords, men der kan være store forskelle på hvilke felter, der søges på i de forskellige databaser. Ofte kan du begrænse fritekstordene til, at der kun skal søges i titel eller abstract (eller begge på én gang).

Fordelen ved fritekstsøgning er, at man bruger forfatternes eget ordvalg. Desværre er forfatterne ikke nødvendigvis enige om betegnelser, forkortelser osv. Det kan derfor være hensigtsmæssigt at inkludere alle de af forfatterne benyttede fagudtryk, hvis man ønsker en høj recall (genfinding) af sin søgning – altså hvis man ønsker at finde mest mulig relevant litteratur. 

Optimal fritekstsøgning kan kræve viden om opbygningen og indholdet af de bibliografiske databaser. De klassiske videnskabelige databaser, som PubMed, Web of Science m.fl., indekserer hovedsageligt kun forfatter(e), titel og abstract fra de originale artikler. Hertil eventuelt også emne- og citationsdata, afhængigt af databasen. Google Scholar indekserer også maskinelt (om end delvist) selve indholdet af artiklernes fulde tekst. Dette muliggør en langt grundigere søgning efter mere specielle tekst- eller datastrenge. Problemet er, at omfanget af denne automatiske indekseringsproces holdes skjult for brugerne, i modsætning til de klassiske databaser, hvis indekseringsproces er klart og fuldstændigt deklareret.

Søgefiltre anvendes som supplement til databasernes filtre eller limit-funktioner. I nogle databaser kan de være mangelfulde eller har ikke det indhold, som nogle efterspørger.

Et søgefilter er en søgestreng, som kan opfange bestemte studietyper eller specifikke emner.

Man skal være opmærksom på, at brug af søgefiltre kan resultere i, at et antal relevante studier bliver udeladt i søgeresultatet (Cooper, Varley-Campbell, & Carter, 2019; Leeflang, Rutjes, Reitsma & Bossuyt, 2006). Man bør derfor gennemse og eventuelt evaluere søgefiltrene, før man anvender dem (Glanville et al., 2008). Der kan være udvalgte databaser, som beskrives indgående vedrørende søgefiltre (Glanville et al 2019 og 2020). Endvidere skal man være opmærksom på faktorer som sensitivitet og præcision, når man udvælger et søgefilter (Beale et al., 2014).

Hvis du vil bruge et søgefilter, så henviser vi til de nedenstående websider, som kan anvendes til inspiration, de er ikke nødvendigvis validerede.

Referencer om søgefiltre:

• Beale, S., Duffy, S., Glanville, J., Lefebvre, C., Wright, D., McCool, R., . . . Smith, L. (2014). Choosing and using methodological search filters: searchers' views. Health Info Libr J, 31(2), 133-147. doi:10.1111/hir.12062
• Cooper, C., Varley-Campbell, J., & Carter, P. (2019). Established search filters may miss studies when identifying randomized controlled trials. Journal of Clinical Epidemiology, 112, 12-19. doi:10.1016/j.jclinepi.2019.04.002
• Frandsen, T. F., & Eriksen, M. B. (2022). Anvendelse af søgefiltre i systematiske søgninger. Ugeskrift for Læger, 184(19), V12210901. 
• Glanville, J., Bayliss, S., Booth, A., Dundar, Y., Fernandes, H., Fleeman, N. D., . . . Welch, K. (2008). So many filters, so little time: the development of a search filter appraisal checklist. J Med Libr Assoc, 96(4), 356-361. doi:10.3163/1536-5050.96.4.011.
• Glanville J, Foxlee R, Wisniewski S, Noel-Storr A, Edwards M, Dooley G. (2019) Translating the Cochrane EMBASE RCT filter from the Ovid interface to Embase.com: a case study. Health Info Libr J. 2019;36(3):264-277. doi:10.1111/hir.12269
• Glanville, J., Kotas, E., Featherstone, R., & Dooley, G. (2020). Which are the most sensitive search filters to identify randomized controlled trials in MEDLINE?. Journal of the Medical Library Association, 108(4), 556–563. doi:10.5195/jmla.2020.912
• Leeflang, M. M., Scholten, R. J., Rutjes, A. W., Reitsma, J. B., & Bossuyt, P. M. (2006). Use of methodological search filters to identify diagnostic accuracy studies can lead to the omission of relevant studies. J Clin Epidemiol, 59(3), 234-240. doi:10.1016/j.jclinepi.2005.07.014.

Grå litteratur
Grå litteratur (grey literature) refererer til litteratur, som f.eks. er forskningsrapporter, afhandlinger og konferencebidrag.

Nogle databaser indeholder konferencebidrag og afhandlinger bl.a. Scopus, Web of Science og Proquest Dissertations & Theses Global, men det er også muligt at finde grå litteratur på Google Scholar, SSRN Working Papers eller OpenGrey. Hvis Google Scolar anvendes, kan du med fordel søge fra Publish or Perish, som er et program hvor du kan downloade bl.a. artikler (sæt det gerne til maks. 200) og hvor søgningen, bliver mere transparent. Efterfølgende kan du overføre resultatet til f.eks. EndNote (vælg RIS format) og få artiklerne opdateret, og derefter kan de overføres til Covidence.

Preprint servere
Et preprint referer til en version af en videnskabelig artikel, som går forud for fagfællebedømmelse (peer review) og publikation. Fra forskellige fagområder findes bl.a. medRxiv (sundhedsvidenskab), bioRxiv (biologi) og SocArXiv (samfundsvidenskab). Inden for Humaniora findes bl.a. Hprint, men. det er ikke helt så udbredt med preprint-servere. En liste over preprint-servere kan fx findes på Wikipedia, men den er ikke nødvendigvis fyldestgørende.

Se definition fra Informationsordbogen, Ordbogsopslag: Grå litteratur

Opdatering af databasesøgning McGill

Opdatering af databasesøgninger i Covidence