Scrivere una Revisione Sistematica della Letteratura: La tua Guida Completa Passo-Passo

Trasforma le revisioni della letteratura complesse in passaggi gestibili!

Scrivere una revisione sistematica della letteratura (SLR) non significa solo riassumere articoli, ma seguire un processo chiaro e strutturato per raccogliere e sintetizzare le migliori evidenze disponibili su una domanda specifica.

A differenza delle revisioni tradizionali, una SLR è progettata per essere trasparente, riproducibile e completa. Per una panoramica più ampia su come le revisioni sistematiche si confrontano con altre metodologie, consulta la nostra guida ai diversi tipi di revisioni della letteratura. Comporta una pianificazione accurata di ogni fase, dalla formulazione della domanda di ricerca all’estrazione e analisi dei dati.

In questa guida, ti accompagneremo attraverso i passaggi chiave:

• Definire la tua domanda di ricerca

• Creare un protocollo di revisione

• Condurre una ricerca bibliografica approfondita

• Valutare la qualità degli studi

• Sintetizzare e riportare i risultati

Alla fine, avrai un quadro completo per eseguire con sicurezza una SLR metodologicamente solida e credibile. Iniziamo.

Definisci la domanda di ricerca

Ogni revisione sistematica robusta inizia con una domanda ben definita. Questa orienta l’intera revisione, dagli studi che cerchi a come interpreti i risultati. Se stai decidendo se ti serve una mappa ampia delle evidenze o una sintesi rigorosamente definita, il nostro confronto tra scoping review e systematic review può aiutarti a chiarire la differenza.

Usa framework come PICO (Popolazione, Intervento, Confronto, Esito) o SPIDER (Campione, Fenomeno di Interesse, Disegno, Valutazione, Tipo di Ricerca) per dare struttura alla tua domanda.

Esempio (PICO):
In che modo la terapia basata sulla mindfulness (Intervento) si confronta con la terapia cognitivo-comportamentale tradizionale (Confronto) nella riduzione dell’ansia (Esito) negli adulti (Popolazione)?

Una domanda focalizzata garantisce che la tua revisione sia mirata, rilevante e metodologicamente solida.

Sviluppa un protocollo

Considera il protocollo come il progetto operativo della tua SLR. Delinea esattamente come condurrai la revisione, riducendo il rischio di bias o incoerenze.

Il tuo protocollo dovrebbe includere:

• Domanda di ricerca e obiettivi

• Criteri di inclusione ed esclusione

• Banche dati e strategie di ricerca

• Processo di screening

• Metodi di estrazione e sintesi dei dati

Suggerimento: preregistra il tuo protocollo su piattaforme come PROSPERO per promuovere trasparenza e credibilità accademica.

Conduci una ricerca bibliografica completa

Questo passaggio riguarda copertura e precisione.

Consulta più banche dati: PubMed, Scopus, Web of Science, Google Scholar, per intercettare gli studi pertinenti. Usa operatori booleani (AND, OR, NOT), termini MeSH e filtri per affinare i risultati.

Esempio di query di ricerca:
(“attività fisica” OR “esercizio”) AND (“salute mentale” OR “depressione”) AND (“adolescenti” OR “teenager”)

Documenta ogni passaggio, le banche dati utilizzate, gli intervalli temporali e le stringhe di ricerca, così che la tua revisione possa essere replicata da altri.

Seleziona gli studi in base ai criteri di eleggibilità

Per mantenere l’oggettività, usa criteri predefiniti di inclusione ed esclusione.

Effettua lo screening in due fasi:

1. Screening di titolo e abstract

2. Revisione del testo completo

Usa un diagramma di flusso PRISMA per tracciare visivamente il numero di studi inclusi ed esclusi in ogni fase.

Esempio di criteri:

• Inclusione: articoli peer-reviewed dal 2013 al 2023, lingua inglese, trial controllati randomizzati

• Esclusione: editoriali, articoli di opinione, studi non umani

Questo passaggio garantisce che il pool finale di studi sia al contempo pertinente e di alta qualità.

Valuta la qualità degli studi inclusi

Non tutti gli studi sono equivalenti: valutare la qualità aiuta a distinguere evidenze solide da risultati deboli.

Usa strumenti come:

• Cochrane Risk of Bias Tool (per trial controllati randomizzati)

• Newcastle-Ottawa Scale (per studi osservazionali)

• CASP Checklists (per studi qualitativi e quantitativi)

Ogni strumento verifica potenziali bias nel disegno, nel campionamento, nell’analisi e nel reporting. Classifica gli studi in base al livello di rischio (basso, moderato, alto) e interpreta con cautela quelli più deboli.

Esempio di campi in una checklist di qualità:

• Tipo di studio

• Metodo di randomizzazione

• Cecità

• Tasso di abbandono

• Chiarezza della misurazione degli esiti

Estrai i dati pertinenti

Questo passaggio consiste nel raccogliere sistematicamente i dettagli essenziali degli studi.

Usa un modulo strutturato di estrazione dati o un foglio di calcolo che includa:

• Titolo dello studio e anno

• Autori e affiliazioni

• Dimensione del campione e dati demografici

• Dettagli dell’intervento o dell’esposizione

• Esiti misurati

• Risultati principali o dimensioni dell’effetto

Strumenti come Covidence o RevMan possono rendere l’estrazione più rapida e organizzata. Se stai gestendo ampie librerie di riferimenti insieme all’estrazione, la nostra Integrazione Zotero e Mendeley per Ricercatori — Jenni AI può aiutarti a semplificare l’importazione e l’organizzazione delle citazioni.

Analizza e sintetizza i risultati

Una volta disponibili i dati, è il momento di interpretarli nel loro insieme.

Puoi:

• Usare una sintesi narrativa per revisioni qualitative—individuando pattern e temi tra gli studi

• Condurre una meta-analisi per revisioni quantitative—combinando statisticamente i risultati

Concentrati su:

• Confrontare gli esiti

• Evidenziare le contraddizioni

• Ponderare i risultati in base alla qualità degli studi

Esempio (sintesi narrativa):
Diversi studi hanno rilevato che gli interventi di mindfulness riducono l’ansia negli adolescenti, sebbene l’entità dell’effetto vari in base alla durata dell’intervento e al formato di erogazione.

Riporta la revisione

Una buona ricerca non consiste solo nel lavoro svolto, ma anche nel presentarlo con chiarezza.

Segui le linee guida di reporting PRISMA, che aiutano a includere tutti gli elementi critici di una revisione sistematica.

Struttura il tuo elaborato con:

• Introduzione – Definisci il gap di ricerca

• Metodi – Dettaglia la strategia di ricerca, i criteri e gli strumenti

• Risultati – Presenta i risultati degli studi e il diagramma di flusso PRISMA

• Discussione – Interpreta risultati, limiti e implicazioni

• Conclusione – Riassumi i punti chiave

Non dimenticare di includere:

• Un’appendice con la strategia di ricerca

• Un diagramma PRISMA chiaro che mostri quanti studi sono stati inclusi/esclusi

Aggiorna la revisione quando necessario

Le revisioni sistematiche devono restare aggiornate man mano che emergono nuove ricerche. Definisci tempistiche chiare per gli aggiornamenti, soprattutto nei settori in rapida evoluzione.

Usa strumenti come avvisi delle banche dati o sistemi di monitoraggio basati sull’IA per tracciare automaticamente nuovi studi. Questo ti aiuta a individuare ricerche pertinenti senza ricominciare da zero, sostenendo al contempo pratiche accademiche etiche e trasparenti.

Ad esempio, una revisione del 2020 potrebbe essere pianificata per un aggiornamento nel 2022, così da includere eventuali nuove evidenze rilevanti.

Semplifica la tua revisione della letteratura con l’IA

Scrivere una revisione sistematica della letteratura richiede struttura, coerenza e attenzione ai dettagli, dalla definizione della domanda fino alla sintesi dei risultati finali. Utilizzare un generatore IA per revisioni della letteratura può semplificare questo processo aiutandoti a organizzare le fonti, gestire le citazioni e riassumere i risultati in modo più efficiente. Per un flusso di lavoro più completo end-to-end, consulta il nostro Generatore IA di Revisione della Letteratura & RRL — Jenni AI.

Se vuoi risparmiare tempo e restare organizzato, un assistente online per la pianificazione della tesi come Jenni può aiutarti a strutturare la revisione, gestire le citazioni e sintetizzare i risultati con facilità, promuovendo un uso responsabile dell’IA in ambito accademico.

Prova Jenni AI oggi per rendere il tuo processo di revisione più fluido ed efficiente!