📊 دیتا اکسترکشن چیه و چرا یکی از حیاتی‌ترین مراحل در مرورهای علمی محسوب میشه؟

🔍 Data Extraction یعنی استخراج سیستماتیک و دقیق اطلاعات کلیدی از مطالعات واردشده در مرور علمی شما (مرور سیستماتیک، متاآنالیز یا اسکوپینگ ریویو).

👀 شاید ساده به‌نظر بیاد، ولی در واقع:
جاییه که مقاله‌ت از “مطالعه تئوریک” به “تحلیل علمی واقعی” تبدیل میشه.


🧠 چرا دیتا اکسترکشن انقدر مهمه؟

✅ پایه تمام تحلیل‌های آماری، سنتز شواهد، نمودارها و نتیجه‌گیری‌هاست
✅ هر خطای کوچک در این مرحله می‌تونه کل نتیجه رو منحرف کنه
✅ اگر درست انجام نشه، کل متاآنالیز می‌تونه بایاس‌دار و نامعتبر بشه
✅ و مهم‌تر از همه: این همون چیزیه که داورها و خواننده‌ها دقیقاً ازت انتظار دارن درست انجام شده باشه!


📥 دیتا اکسترکشن شامل چه چیزهایی میشه؟

بستگی داره به سوال پژوهش. مثلاً:

🧪 مرور متاآنالیز داروها:
• نوع دارو و دوز مصرفی
• مشخصات بیماران (سن، جنس، بیماری زمینه‌ای)
• مدت درمان
• اندپوینت‌ها (مثلاً کاهش فشارخون)
• عوارض جانبی
• ابزار تحلیل آماری


✅ مثال‌هایی از فرم اکسترکشن در حوزه‌های مختلف:


🦷 مثال 1: مرور سیستماتیک درباره اثر فلوراید بر پوسیدگی دندان در کودکان

📌 ستون‌های اکسترکشن:
• نوع مطالعه (RCT, cohort…)
• سن و تعداد کودکان
• نوع مداخله (دهان‌شویه، وارنیش، خمیر دندان فلوراید)
• مدت پیگیری
• نرخ پوسیدگی (DMFT)
• عوارض گزارش‌شده
• کیفیت مطالعه (JBI score)


🧠 مثال 2: مرور متاآنالیز درباره ارتباط سطح ویتامین D با افسردگی

📌 ستون‌ها:
• کشور و سال مطالعه
• جمعیت هدف (سالمند، نوجوان، زنان باردار…)
• روش اندازه‌گیری ویتامین D (nmol/L)
• ابزار ارزیابی افسردگی (BDI, PHQ-9…)
• نوع ارتباط آماری (OR, RR, correlation coefficient)
• Covariates کنترل‌شده در مدل
• نتایج اصلی + 95% CI


🩺 مثال 3: اسکوپینگ ریویو درباره درمان‌های غیردارویی پرفشاری خون

📌 ستون‌ها:
• نوع درمان (طب سوزنی، مدیتیشن، تغییر رژیم غذایی)
• شدت فشار خون در baseline
• مدت زمان مداخله
• کاهش فشار خون سیستولیک و دیاستولیک
• میزان adherence بیماران
• مکانیسم پیشنهادی اثر
• منابع تأمین هزینه مطالعه (برای بررسی بایاس احتمالی)


🧬 مثال 4: ریویو نقلی درباره مسیرهای سلولی در سرطان کولورکتال

📌 ستون‌ها:
• مسیرهای سلولی اصلی (Wnt, p53, KRAS…)
• نقش هر مسیر در مراحل سرطان (آغاز، پیشرفت، مقاومت درمانی)
• نوع شواهد (مطالعه in vitro، مدل حیوانی، clinical trial)
• ژن‌های هدف در هر مسیر
• داروهای مورد آزمایش
• چالش‌های ترجمه بالینی


🎯 نکات کلیدی حرفه‌ای:
• همیشه دو پژوهشگر داده رو جداگانه استخراج کنن
• برای هر ستون، یک تعریف استاندارد (data dictionary) بنویس
• اکسترکشن رو فقط از full text انجام بده، نه از abstract
• فایل‌ها رو نسخه‌بندی کن: extraction_v1, v2_after_QC, و غیره
• برای مطالعات ترکیبی، multilevel table طراحی کن (مثلاً جدا کردن اطلاعات برای گروه کنترل و مداخله)


📣 توی مدیورس ما با فرم‌های واقعی و پروژه‌های زنده، این مرحله رو به‌صورت کاملاً عملی آموزش می‌دیم🫡

⚡️ارتباط با ما و ثبت نام پروژه ها و دوره ها👇🏻
@Mediversecenter

💡گروه پروژه‌ های اختصاصی ما
https://t.me/themediversecenter

@themediverse