مرورهای سیستماتیک چه هستند؟ مرورهای سیستماتیک به درک انواع بسیار مختلفی از داده‌ها کمک می‌کنند. آن‌ها روشی برای بررسی تمام داده‌ها و نتایج حاصل از تحقیقات در مورد یک سوال خاص به روشی استاندارد و سیستماتیک هستند. یک مرور سیستماتیک به ارائه یک نمای کلی عینی و شفاف از تمام شواهد پیرامون یک سوال خاص کمک می‌کند.

لوگوی کاکرین به‌صورت بصری نشان می‌دهد که چگونه نتایج برخی از مرورهای سیستماتیک قابل توضیح هستند. در اینجا نحوه عملکرد یک مرور سیستماتیک آورده شده است.

در ابتدا، باید یک سوال تعریف شود، و یک روش عینی برای پرسیدن سوال مورد توافق قرار گیرد. یک دایره را به عنوان مساحتی که توسط یک سوال تعریف می‌شود، تصور کنید. هر چیزی که درون آن است، به سوال مربوط می‌شود. هر چیزی که بیرون از آن باشد، ارتباطی با سوال ندارد. در این حلقه، داده‌های مرتبط گنجانده خواهند شد.

جست‌وجو برای یافتن داده‌های مرتبط آغاز می‌شود. این داده‌ها می‌توانند از منابع مختلفی، از جمله داده‌های حاصل از کارآزمایی‌های بالینی، به دست آیند. تصور کنید که این شکل‌ها نشان‌دهنده‌ مجموعه داده‌هایی از تحقیقات مختلف، مثلاً کارآزمایی‌های بالینی مختلف، هستند.

مجموعه داده‌ها باید شکل مناسبی داشته باشند تا بتوانند در مدل قرار گیرند: فقط داده‌های حاصل از تحقیقاتی که با معیارهای خاصی مطابقت دارند، می‌توانند گنجانده شوند تا نتایج قابل اعتماد باشند - برای مثال، انتخاب تحقیقاتی که کیفیت خوبی دارند و به سوال تعریف‌شده پاسخ می‌دهند.

اگر آن تحقیق معیارها را برآورده کند، می‌توان اطلاعات دقیق‌تری را در مورد تحقیق گرد‌آوری یا استخراج کرد.

اطلاعات استخراج‌شده می‌تواند شامل موارد زیر باشد: نحوه انجام تحقیق (که اغلب روش (method) نامیده می‌شود)، چه کسانی در تحقیق شرکت کردند (از جمله تعداد افراد، نحوه پرداخت هزینه - مثلاً منابع مالی)، چه اتفاقی افتاد ( پیامدها).

این اطلاعات براساس معیارها ارزیابی می‌شوند تا کیفیت تحقیق ارزیابی شود. پس از استخراج اطلاعات، می‌توان آن‌ها را با استفاده از روش‌های آماری پیچیده ترکیب کرد تا نتیجه‌ای کلی از تمام داده‌ها به دست آید.

این دایره یکی از راه‌های نمایش بصری این داده‌ها است. به آن بلابوگرام (blobbogram) یا نمودار انباشت (forest plot) می‌گویند.

حوزه تحقیق که توسط سوال تعریف می‌شود، باید به دو بخش «بله» و «خیر» تقسیم شود: یک بخش مثبت و یک بخش منفی. هر چه خط کوتاه‌تر باشد، به آنچه داده‌ها به ما می‌گویند، اطمینان بیشتری داریم.

یک خط بلندتر را به عنوان داده‌های کمتر متمرکز و پراکنده و یک خط کوتاه‌تر را به عنوان داده‌های متمرکزتر و دسته‌بندی‌شده در نظر بگیرید. دانش را هم‌چون نور و جهل را هم‌چون تاریکی تصور کنید: هرچه کانون نور گسترده‌تر باشد، ضعیف‌تر و چیزها نامفهوم‌ترند. اگر نور متمرکز شود و داده‌ها با وضوح بیشتری گروه‌بندی شوند، می‌توانیم به آنچه می‌بینیم، اطمینان بیشتری داشته باشیم.

لوزی نشان‌دهنده نتایج ترکیبی از تمام داده‌های موجود است. از آنجا که این نتیجه ترکیبی، از داده‌های منابع بیشتری نسبت به فقط یک مجموعه داده استفاده می‌کند، شواهد قابل اعتمادتر و بهتری در نظر گرفته می‌شود. هرچه داده‌ها بیشتر باشند، می‌توانیم مطمئن‌تر باشیم.