Systematisches Review erstellen: Anleitung in 8 Schritten

Wer ein systematisches Review erstellen will, unterscheidet sich von einem narrativen Literaturüberblick durch eines: Methode vor Ergebnis. Du legst Fragestellung, Suche und Auswahlkriterien fest, bevor du die Treffer siehst – und dokumentierst jede Entscheidung so, dass eine andere Person sie nachvollziehen und wiederholen könnte.

1. Fragestellung mit einem Framework schärfen

   Eine gute Reviewfrage ist eng genug, um beantwortbar zu sein, und breit genug, um relevant zu bleiben. Strukturierte Frameworks helfen, die Bestandteile sauber zu trennen – etwa PICO (Population, Intervention, Comparison, Outcome) für klinische Wirksamkeitsfragen oder SPIDER für qualitative Fragen. Die Komponenten deiner Frage werden später direkt zu Suchbegriffen und Auswahlkriterien.

   → Vertiefung: Review-Frameworks: PICO, SPIDER, PCC & Co. erklärt

2. Protokoll und Ein-/Ausschlusskriterien festlegen

   Das Protokoll fixiert deine Methodik schriftlich, bevor die Suche startet. Es enthält Fragestellung, Suchstrategie, Datenbanken, Ein- und Ausschlusskriterien, das Extraktionsschema und den Plan zur Bias-Bewertung. Registriere es idealerweise in PROSPERO – das gilt als Best Practice und schützt vor nachträglicher Anpassung der Kriterien.

   Definiere Ein- und Ausschlusskriterien so konkret, dass zwei Personen unabhängig zur selben Entscheidung kämen. Unscharfe Kriterien sind die häufigste Ursache für widersprüchliches Screening.

3. Systematische Suche aufbauen

   Übersetze die Komponenten deiner Frage in eine reproduzierbare Suche: Synonyme und Schlagwörter (z. B. MeSH) je Konzept mit OR verbinden, die Konzepte mit AND verknüpfen. Durchsuche mehrere Datenbanken – etwa PubMed/MEDLINE, Embase, Scopus, Web of Science, die Cochrane Library und fachspezifische Quellen. Dokumentiere für jede Datenbank den exakten Suchstring, das Datum und die Trefferzahl.

4. Dubletten entfernen und Titel-/Abstract-Screening

   Führe die Treffer aller Datenbanken zusammen und entferne Dubletten. Anschließend sichten zwei unabhängige Reviewer jeden Titel und jedes Abstract anhand der Kriterien und vergeben einschließen oder ausschließen. Uneinigkeiten werden besprochen oder von einer dritten Person aufgelöst.

   Diese Phase ist der größte Zeitfresser. lets Review lässt mehrere KI-Reviewer unabhängig screenen und legt dir nur die Konflikte zur Adjudikation vor – jede Entscheidung mit Begründung für den PRISMA-Bericht.

5. Volltext-Screening mit Ausschlussgründen

   Für alle Treffer, die das Abstract-Screening überstehen, beschaffst du den Volltext und prüfst ihn erneut gegen die Kriterien. Wichtig: Jeder Ausschluss im Volltext braucht einen dokumentierten Grund (z. B. „falsche Population“, „kein passendes Outcome“). Diese Gründe gehören später in das PRISMA-Flussdiagramm.

6. Daten extrahieren

   Ziehe aus den eingeschlossenen Studien standardisiert die relevanten Angaben: Studiendesign, Stichprobe, Population, Intervention, Vergleich, Outcomes und Ergebnisse. Ein einheitliches Extraktionsschema sorgt dafür, dass die Studien vergleichbar bleiben. Auch hier ist doppelte Extraktion der Goldstandard.

7. Bias-Risiko und Qualität bewerten

   Bewerte das Verzerrungsrisiko jeder Studie mit einem etablierten Instrument – etwa RoB 2 für randomisierte Studien oder ROBINS-I für nicht-randomisierte. Die Vertrauenswürdigkeit der Gesamtevidenz pro Outcome fasst du mit GRADE zusammen. Ohne diesen Schritt bleibt eine Synthese interpretierbar, aber nicht belastbar.

8. Synthese und PRISMA-Bericht

   Fasse die Ergebnisse zusammen – narrativ-strukturiert oder, wo Daten und Heterogenität es zulassen, als Metaanalyse. Dokumentiere den gesamten Auswahlprozess im PRISMA-2020-Flussdiagramm und berichte entlang der PRISMA-Checkliste. Zahlen im Flussdiagramm und im Text müssen übereinstimmen.

   → Vertiefung: PRISMA 2020 einfach erklärt: Checkliste & Flussdiagramm

Schneller mit KI – ohne Strenge aufzugeben

Die methodischen Schritte ändern sich durch KI nicht. Was sich ändert, ist der Aufwand für die mechanischen Phasen. lets Review übernimmt Screening, PDF-Suche, Datenextraktion und Bias-Vorbewertung mit mehreren unabhängigen KI-Reviewern und Adjudikation – während du Kriterien festlegst, Konflikte entscheidest und das letzte Wort behältst. Jede Aktion landet im Audit-Trail, sodass dein Review reproduzierbar bleibt.

Häufige Fragen