Pesquisadores biomédicos e de saúde coletiva configuram critérios PICO no Elicit por meio do fluxo de trabalho especializado Systematic Review (modo Review), traduzindo a população (Population), intervenção (Intervention), comparador (Comparator) e desfechos (Outcome) em regras estruturadas de triagem. Essa abordagem substitui a morosa triagem manual cega por pares de milhares de registros por um processo semiautomatizado, aderente às diretrizes PRISMA 2020, que fornece citações literais extraídas diretamente dos resumos para fundamentar cada recomendação de inclusão ou exclusão.
A condução de uma revisão sistemática rigorosa segundo os padrões Cochrane e PRISMA exige habitualmente a triagem inicial de 3.000 a 10.000 títulos e resumos. Para evitar vieses de seleção, dois revisores independentes devem avaliar cada registro às cegas, consumindo centenas de horas de trabalho antes mesmo da obtenção dos textos completos. O Elicit mitiga esse gargalo operacional encurtando o tempo de triagem em até 60% a 80%, assegurando que a equipe de pesquisa retenha o controle metodológico e a decisão final sobre casos limítrofes.
1. Pré-requisitos e seleção do fluxo de trabalho no Elicit
O Elicit disponibiliza diferentes modos de operação, incluindo busca bibliográfica exploratória, relatórios automatizados (Research Reports) e o fluxo dedicado a revisões sistemáticas (Systematic Review / modo Review). A parametrização de critérios personalizados, a extração de citações literais justificativas e o gerenciamento de triagem em dupla cega requerem uma assinatura ativa (planos Pro, Scale ou Enterprise).
Antes de cadastrar as regras no sistema, a equipe de pesquisa deve providenciar:
- Protocolo registrado: Registro prévio do protocolo da revisão no PROSPERO ou Open Science Framework (OSF), contendo os critérios formais de elegibilidade.
- Operacionalização dos elementos PICO: Decomposição da pergunta clínica em condições objetivas com possibilidade de validação binária.
- Estratégia de captura dos registros: Definição entre a coleta bibliográfica via busca interna do Elicit ou importação de arquivos de bases de dados biomédicas externas.
2. Passo a passo: Da pergunta clínica PICO às regras automatizadas
Passo 1: Iniciar a revisão sistemática e inserir o contexto clínico
- Acesse o painel do Elicit e selecione o fluxo Systematic Review.
- Digite a pergunta clínica principal no campo de pesquisa (por exemplo: What is the clinical efficacy and safety of GLP-1 receptor agonists compared to SGLT-2 inhibitors in adults with type 2 diabetes and chronic kidney disease?).
- Abra a caixa de texto livre Additional Context na página de configuração (Setup). Esse parâmetro é fundamental para orientar o modelo na geração dos critérios. Estruture as informações detalhadamente nos eixos PICO:
- Population (População): Faixa etária, estágio clínico confirmado, comorbidades aceitas e critérios formais de exclusão (como pacientes em diálise ou gestantes).
- Intervention (Intervenção): Princípios ativos admitidos, classes farmacológicas, vias de administração e posologias.
- Comparator (Comparador): Regimes de controle elegíveis (fármaco ativo comparador, terapia padrão ou placebo).
- Outcomes (Desfechos): Desfechos clínicos primários e secundários (taxa de declínio da taxa de filtração glomerular eGFR, proteinúria, eventos cardiovasculares adversos maiores, mortalidade geral e eventos adversos específicos).
- Study Design (Delineamento do estudo): Tipos de estudo elegíveis (ensaios clínicos randomizados em paralelo com seguimento mínimo de 12 semanas; exclusão de estudos em animais, in vitro, revisões narrativas e relatos de caso).
Passo 2: Reunir o acervo de citações (A estratégia de busca em via dupla)
O Elicit viabiliza a formação do conjunto de artigos por duas vias: pesquisando em seu índice semântico interno (com mais de 126 milhões de artigos via Semantic Scholar) ou importando arquivos externos de referências.
Em revisões biomédicas estritas alinhadas às diretrizes PRISMA 2020, os pesquisadores não devem depender com exclusividade da ferramenta de busca interna do Elicit. Avaliações empíricas independentes (como os estudos de Lau e Golder de 2025 e Bernard de 2025) demonstram que, embora a precisão da busca interna do Elicit seja alta (média de 41,8%), sua sensibilidade (recall) gira em torno de 39,5%, muito abaixo da sensibilidade superior a 94% alcançada por especialistas em documentação médica utilizando buscas booleanas completas no PubMed, Embase e Cochrane CENTRAL.
A boa prática metodológica consagrada é:
- Conduzir buscas booleanas estruturadas no PubMed, Embase, Web of Science e CENTRAL com o apoio de um bibliotecário médico.
- Efetuar a deduplicação dos registros em softwares gerenciadores de referências (como EndNote ou Covidence).
- Exportar a biblioteca desduplicada final em formato padrão RIS ou BibTeX.
- Na etapa Gather do Elicit, fazer o upload do arquivo RIS para carregar a fila de triagem com a totalidade dos registros auditáveis.
Passo 3: Configurar e calibrar os critérios PICO de triagem
Após a importação dos registros, o Elicit propõe uma série de critérios com base no contexto fornecido. Os pesquisadores devem revisar e refinar essas propostas em colunas de avaliação estruturadas:
| Dimensão PICO | Especificação do protocolo | Regra configurada no Elicit (Prompt) | Modo de avaliação |
|---|---|---|---|
| População (P) | Adultos (>=18 anos) com diabetes tipo 2 e DRC estágios 3-4 | "Does the study population consist of adult patients (>=18 years) with confirmed Type 2 Diabetes and CKD?" | Binária (Met / Not Met / Uncertain) |
| Intervenção (I) | Agonistas de receptor GLP-1 aprovados (semaglutida, dulaglutida) | "Does the study evaluate a GLP-1 receptor agonist intervention?" | Binária (Met / Not Met / Uncertain) |
| Comparador (C) | Inibidores de SGLT-2, terapia hipoglicemiante padrão ou placebo | "Is there an active comparison group using SGLT-2 inhibitors or placebo?" | Binária (Met / Not Met / Uncertain) |
| Desfechos (O) | Perda de função renal, desfechos cardiovasculares, mortalidade | "Does the study report renal outcomes (e.g., eGFR, proteinuria) or mortality?" | Binária (Met / Not Met / Uncertain) |
| Delineamento (S) | Ensaios clínicos randomizados em humanos com seguimento >= 12 semanas | "Is the study an RCT in humans with at least 12 weeks follow-up duration?" | Binária (Met / Not Met / Uncertain) |
Diretrizes essenciais de configuração:
- Modularidade das regras: Não agrupe condições distintas em uma única linha. Mantenha a restrição etária separada do estágio de disfunção renal para permitir análises de sensibilidade em subgrupos.
- Critérios de exclusão explícitos: Inclua parâmetros diretos para excluir resumos de congressos sem artigo completo ou estudos pré-clínicos com modelos animais.
- Ponderação de importância (Importance): Atribua pesos aos critérios na interface para distinguir condições eliminatórias absolutas (como desenho do estudo) de critérios que podem exigir verificação em texto completo.
Passo 4: Executar a triagem e auditar as justificativas literais
Ao iniciar o processo, o Elicit analisa sequencialmente os títulos e resumos de cada publicação:
- Julgamento por critério: Para cada artigo, o sistema avalia individualmente as colunas PICO, retornando Met (Atendido), Not Met (Não atendido) ou Uncertain (Incerto).
- Fundamentação textual (Quote Grounding): Ao clicar sobre qualquer célula da tabela, o Elicit apresenta a frase literal extraída do resumo que fundamentou a classificação. Se um estudo for apontado como incompatível na intervenção, a passagem que descreve o uso de droga não autorizada será destacada.
- Pontuação consolidada e recomendação: O sistema calcula uma pontuação ponderada de relevância e sugere uma decisão: Include (Incluir), Exclude (Excluir) ou Review (Revisar).
- Filtros avançados na planilha: Os pesquisadores podem filtrar a tabela por colunas individuais (por exemplo, exibindo apenas estudos em que o comparador foi classificado como incerto) para inspeção dirigida.
Passo 5: Implantar a revisão em dupla cega e arbitrar divergências
As diretrizes PRISMA 2020 determinam a preservação da independência entre revisores. O Elicit viabiliza duas configurações operacionais:
- Modelo A: Revisor humano + Elicit como segundo revisor: Um pesquisador humano realiza a triagem manual enquanto o Elicit atua simultaneamente como segundo revisor independente. A plataforma destaca automaticamente os casos discordantes (por exemplo, quando o pesquisador inclui o estudo e o Elicit sugere exclusão), direcionando-os à arbitragem da equipe.
- Modelo B: Dupla humana cega com priorização por IA: Dois pesquisadores humanos realizam a triagem de forma independente, sem visualizarem as marcações um do outro. A pontuação do Elicit é utilizada para ordenar a fila por ordem decrescente de probabilidade de inclusão. Concluída a rodada, o sistema abre os dados, calcula os índices de concordância e gera o relatório de discrepâncias.
Em ambas as configurações, os pesquisadores mantêm autonomia irrestrita para sobrescrever qualquer sugestão da IA (Manual Override). Ao alterar uma classificação, o revisor pode registrar a categoria padronizada de exclusão segundo o PRISMA (População incorreta, Desfecho ausente ou Delineamento inelegível).
Passo 6: Exportar dados para o PRISMA 2020 e transição para o texto completo
Concluída a etapa de títulos e resumos, a base completa de deliberações pode ser exportada:
- Formatos de exportação: Download em CSV ou Excel com metadados bibliográficos, notas por critério PICO, trechos literais citados, registros de alteração manual e decisão consolidada.
- Preenchimento do fluxograma PRISMA 2020: Os dados consolidados alimentam com precisão as caixas do diagrama PRISMA:
- Registros identificados nas bases de dados.
- Registros duplicados removidos.
- Registros triados por título e resumo.
- Registros excluídos categorizados por justificativa.
- Estudos selecionados para recuperação do texto completo.
- Avanço para a leitura na íntegra: Os artigos retidos prosseguem para a triagem em texto completo e extração estruturada de dados. A extensão de navegador do Elicit auxilia na recuperação dos arquivos em PDF utilizando os acessos institucionais do centro de pesquisa.
3. Desempenho metodológico, evidências empíricas e limitações
A incorporação do Elicit em revisões sistemáticas exige uma compreensão detalhada de seus pontos fortes e limitações operacionais.
Alta precisão versus sensibilidade variável
Estudos empíricos recentes sobre ferramentas de IA apontam comportamentos metodológicos bem definidos:
- Precisão elevada (~42%): Graças à análise semântica estruturada pelo PICO, o Elicit demonstra excelente capacidade para descartar publicações irrelevantes, superando com folga a baixa precisão (comumente inferior a 10%) observada nas etapas iniciais de buscas manuais tradicionais.
- Sensibilidade condicionada pela complexidade clínica: Em ensaios farmacológicos com intervenções bem delimitadas e desenhos de RCT claros, a sensibilidade do Elicit atinge índices entre 70% e 94%. No entanto, em revisões de saúde coletiva envolvendo intervenções comportamentais ou socioambientais complexas, a sensibilidade diminui se os resumos não apresentarem a terminologia PICO de maneira explícita.
Tratamento rigoroso de escores limítrofes
O Elicit utiliza linhas de corte de pontuação para formular suas recomendações. Pesquisas metodológicas indicam que estudos situados imediatamente abaixo da linha de corte (como 4,8 em uma escala de 5 pontos) podem sofrer oscilações de classificação. Por essa razão, o protocolo da revisão deve estabelecer que todos os artigos com pontuação situada em uma faixa de +/- 10% em relação ao limiar de inclusão sejam submetidos à verificação manual obrigatória.
O framework RAISE e integridade acadêmica
Conforme preconizado pelo framework RAISE (Responsible AI in Evidence Synthesis), sistemas automatizados não detêm responsabilidade ética ou científica. O grande mérito do Elicit está na sua rastreabilidade respaldada por citações textuais, permitindo conferência imediata de cada deliberação. Na redação do manuscrito final, os autores devem detalhar na seção de Métodos a versão do Elicit utilizada, os comandos PICO configurados, o papel da ferramenta no fluxo de trabalho e os mecanismos de supervisão humana implementados.
4. Lista de boas práticas para equipes de revisão sistemática
- Separar a busca da triagem: Conduza a estratégia principal no PubMed, Embase e bases temáticas com rigor tradicional, importando o acervo desduplicado para o Elicit; evite depender apenas da busca nativa da IA.
- Conduzir teste piloto em 50 resumos: Antes de rodar a triagem em larga escala, calibre os prompts PICO em uma amostra inicial para checar a aderência das decisões do sistema às expectativas dos pesquisadores seniores.
- Auditar as exclusões de forma rotineira: Como a omissão de um ensaio clínico relevante acarreta prejuízos graves à síntese de evidências, revise manualmente todos os casos de fronteira e audite uma amostra aleatória de ao menos 20% das exclusões automáticas.
- Armazenar registros auditáveis: Guarde versões congeladas das planilhas de triagem exportadas pelo Elicit para servir de lastro probatório em respostas a pareceristas e comitês editoriais.
Referências
- Blog | Elicit: AI for research & decision-making
- Comparison of Elicit AI and Traditional Literature Searching in Evidence Syntheses Using Four Case Studies - PMC
- Using artificial intelligence for systematic review: the example of elicit - PMC
- The PRISMA 2020 statement: an updated guideline for reporting systematic reviews - PMC
- Development and evaluation of prompts for a large language model to screen titles and abstracts in a living systematic review - PMC