Strategies to address overlap of primary studies in overviews of systematic reviews

Les revisions sistemàtiques són essencials per a la presa de decisions basada en l’evidència, però el seu creixement accelerat ha generat redundància, variabilitat i inconsistències. En aquest context, els overviews —revisions sistemàtiques de revisions sistemàtiques— han sorgit com un disseny metodològic per sintetitzar qüestions més àmplies que les que pot abordar una revisió individual. Tot i això, els overviews presenten reptes específics, entre els quals destaca especialment la superposició d’estudis primaris. La superposició, entesa com la inclusió repetida dels mateixos estudis en diferents revisions, pot afectar la precisió i distorsionar els resultats si no s’avalua adequadament. Per descriure aquesta superposició, s’empren habitualment mesures quantitatives com l’àrea corregida coberta (CCA), basada en matrius d’evidència que indiquen quins estudis s’inclouen en cada revisió. No obstant això, l’ús d’un únic valor global pot ocultar patrons importants de superposició. A més, existeix poca orientació metodològica sobre com construir les matrius necessàries per calcular la CCA. Aquesta tesi té com a objectiu analitzar les metodologies existents per abordar la superposició en overviews i desenvolupar enfocaments que millorin la qualitat i eficiència d’aquest procés. Els objectius específics són: (1) desenvolupar una eina i un mètode per analitzar la CCA de manera parell a parell; (2) estudiar com els overviews gestionen la superposició i quantificar-la mitjançant la CCA; i (3) avaluar l’impacte d’assumptions diferents en la construcció de matrius sobre les estimacions de superposició. La tesi es presenta com un compendi de tres estudis publicats. El primer estudi introdueix GROOVE (“Graphical Representation of Overlap for OVErviews”), una eina basada en Excel que automatitza l’avaluació de la superposició. GROOVE calcula tant la CCA global com la CCA parell a parell —aquesta última desenvolupada en aquesta tesi com un indicador complementari per descriure la superposició entre parelles específiques de revisions. L’eina incorpora el concepte de pèrdua estructural, que representa intersections impossibles (com ara un estudi primari publicat després de la revisió) i ofereix sortides gràfiques que en faciliten la interpretació. El segon estudi és una revisió metodològica de overviews d’intervencions publicats el 2018. Exposa que la superposició sovint no s’avalua quantitativament i es descriu només de forma narrativa o visual. Mitjançant la reanàlisi amb GROOVE, l’estudi mostra que la CCA parell a parell pot revelar discrepàncies rellevants que la CCA global pot ocultar; per exemple, un overview amb baixa superposició global pot contenir parelles de revisions amb superposicions molt altes. El tercer estudi examina com diferents decisions en la construcció de la matriu d’evidència afecten les estimacions de superposició. Formalitza conceptes clau —unitat d’anàlisi, ajustos d’abast, fils de publicació i pèrdua estructural— i avalua 16 escenaris de construcció de matrius amb set overviews. Els resultats mostren que aquests aspectes metodològics poden alterar substancialment les estimacions, amb diferències de fins al 13,5% en la CCA global i fins al 15,7% en la CCA parell a parell. Els factors amb major impacte van ser el nivell d’anàlisi, l’abast i la pèrdua estructural, mentre que els fils de publicació van tenir un efecte mínim. En conjunt, aquesta tesi contribueix a millorar la claredat i transparència metodològica dels overviews. Presenta la CCA parell a parell com un complement essencial a les mesures globals, ofereix una eina accessible per automatitzar i visualitzar la superposició, i aporta evidència empírica sobre les conseqüències de diferents decisions metodològiques. La tesi no busca establir llindars o normes rígides, sinó destacar que l’avaluació de la superposició ha de ser un procés sistemàtic, interpretatiu, explícit i transparent. Aquestes aportacions reforcen l’ús rigorós dels overviews, facilitant la selecció de les revisions més rellevants i reduint la recerca redundant, amb l’objectiu final de millorar la fiabilitat de la síntesi de l’evidència.