Learn with Mehide

যারা Machine Learning এবং AI শিখতে আগ্রহী, তারা এই ফ্রি কোর্সটি করতে পারেন!

এখানে Python দিয়ে Machine Learning এবং AI শেখানো হয়েছে।

একদম basic থেকে শুরু করে advanced পর্যন্ত। শুধু theory না, practical ও আছে।

নিজের সময় অনুযায়ী শেখা যাবে। তাই যারা পড়াশোনা বা কাজের পাশাপাশি নতুন কিছু শিখতে চান, তাদের জন্য এটি বেশ উপযোগী।

✍️ কোর্স কাঠামো (২৩ লেসন | ৩৫৬ টিউটোরিয়াল):

1. Introduction to Python Basics for Data Science (26 Tutorials)

2. Introduction to Exploratory Data Analysis (19 Tutorials)

3. Introduction to Numpy (20 Tutorials)

4. Introduction to Pandas (17 Tutorials)

5. Introduction to Data Visualization with Matplotlib (10 Tutorials)

6. Introduction to Python – Intermediate (15 Tutorials)

7. Data Visualization with Plotly and Dash (5 Tutorials)

8. Data Visualization 101 using Tableau (18 Tutorials)

9. Data Preparation 101 (16 Tutorials)

10. Introduction to Implementation of Classification & Regression (23 Tutorials)

11. Supervised Learning Algorithms – Regression (17 Tutorials)

12. Supervised Learning Algorithms – Classification (19 Tutorials)

13. Unsupervised Learning (9 Tutorials)

14. Time Series 101 (14 Tutorials)

15. Introduction to Time Series Analysis (12 Tutorials)

16. Machine Learning Problem Solving from Seasoned Professional (17 Tutorials)

17. Deploying Machine Learning Pipelines using PyCaret (19 Tutorials)

18. Model Deployment Using Flask (12 Tutorials)

19. Model Deployment using Kubernetes and Docker (12 Tutorials)

20. Getting Started with Natural Language Processing (6 Tutorials)

21. Getting Started with Deep Learning (26 Tutorials)

22. Getting Started with Convolutional Neural Networks (15 Tutorials)

23. Explainable AI (9 Tutorials)

🔗 লিংক কমেন্টে দেওয়া আছে!

— Azizul Haque
— Oriyet-অরিয়েট

আগামী শিক্ষাবছরে-
সৌদি আরব সর্বস্তরের শিক্ষায় এআই বাধ্যতামূলক করেছে; আর, বাংলাদেশ প্রাথমিক শিক্ষায় সঙ্গীত বাধ্যতামূলক করেছে।

এখন থেকে মেশিন লার্নিং এর উপর আলোচনা করা হবে। আমি একজন মেকানিক্যাল ইন্জিনিয়ার হয়েও কিভাবে অল্প অল্প করে মেশিন লার্নিং শিখলাম তা আলেচনা করবো। আমার শেখানোর টেকনিক হয়তো প্রথাগত বইয়ে পাবেন না।আমি যেহেতু শূণ্য থেকে শুরু করেছিলাম আপনাদের শূণ্য থেকে বোঝানোর চেষ্টা করবো।হয়তো অনেক ভুলও করবো তবে ইনশাল্লাহ আলোচনা করে আমরা সঠিকটা কারণসহ বের করে আনবো।মেশিন লার্নিং শিখলে আপনি অন্যদের চেয়ে একধাপ এগিয়ে থাকবেন।তাই ভয় না পেয়ে আমার সাথেই থাকুন।

গবেষণায় Citation কাকে বলে?

Citation হলো অন্য গবেষকের কাজকে আপনার গবেষণায় উল্লেখ বা রেফারেন্স দেওয়ার প্রক্রিয়া। এটি মূলত সেই তথ্যসূত্র যা আপনি আপনার গবেষণায় ব্যবহার করেছেন, যেমন: গবেষণা প্রবন্ধ, বই, ডেটাসেট বা তত্ত্ব। Citation-এর মাধ্যমে আপনি বোঝাতে পারেন যে, আপনি পূর্ববর্তী কোন গবেষণার উপর ভিত্তি করে নিজের কাজ করেছেন।

Citation কেন গুরুত্বপূর্ণ?

এটি মূল উৎসের স্বীকৃতি প্রদান করে।প্লেজারিজম (চুরি করা) থেকে রক্ষা করে।পূর্ববর্তী গবেষণার সাথে সংযুক্তি স্থাপন করে।পাঠককে উৎস সম্পর্কে তথ্য যাচাইয়ের সুযোগ দেয়।গবেষণার বিশ্বস্ততা ও গ্রহণযোগ্যতা বৃদ্ধি করে।

Citation কিভাবে জালিয়াতি করে বৃদ্ধি করা যায়?

Self-citation-এর অপব্যবহার,নিজের আগের কাজগুলো বারবার উল্লেখ করে কৃত্রিমভাবে সাইটেশন বাড়ানো।

Citation cartel, একদল গবেষক একে অপরের গবেষণায় ইচ্ছাকৃতভাবে সাইটেশন দিয়ে মিথ্যা প্রভাব তৈরি করে।

Ghost citations,এমন উৎসের Citation দেওয়া, যা আসলে পড়া হয়নি বা গবেষণায় ব্যবহারই করা হয়নি।

Predatory journals এর মাধ্যমে Citation বাড়ানোর চেষ্টা।

Citation এর জন্য কী কী সুবিধা পাওয়া যায় গবেষণায়?

Citation গবেষণার মান ও গ্রহণযোগ্যতা বাড়ায়।আন্তর্জাতিক স্বীকৃতি ও খ্যাতি।গবেষণা তহবিল/গ্র্যান্ট পাওয়ার সম্ভাবনা বাড়ে।ক্যারিয়ার অগ্রগতি, বিশ্ববিদ্যালয়ে নিয়োগ, প্রমোশন।H-index ও Impact Score বাড়ে।ভবিষ্যৎ গবেষণায় রেফারেন্স হিসেবে ব্যবহৃত হয়

Citation বেশি থাকলে একজন গবেষক কী কী সুবিধা পেতে পারেন?

বিশ্ববিদ্যালয় ও গবেষণা প্রতিষ্ঠান থেকে পুরস্কার/সম্মাননা পেতে পারেন।পোস্টডক বা আন্তর্জাতিক স্কলারশিপে অগ্রাধিকার পান।রিসার্চ গ্র্যান্ট এবং প্রজেক্টে নেতৃত্ব দেওয়ার সুযোগ পান।গবেষণা নেটওয়ার্কে মর্যাদাপূর্ণ অবস্থান অর্জন করেন।বিশ্বের বিভিন্ন কনফারেন্সে বক্তা হওয়ার সুযোগ পান।

Citation গবেষণায় কি শুধু পরিমাণ নাকি গুণগত মানও বিবেচ্য?

Citation শুধু সংখ্যায় বেশি হলেই যথেষ্ট নয়। Citation-এর গুণগত মান গুরুত্বপূর্ণ।একটি গবেষণা যদি উল্লেখযোগ্য তত্ত্ব, মেথড বা ফলাফল দেয়, তবে তার Citation হবে অর্থবহ।নিম্নমানের বা সন্দেহজনক জার্নালে Citation কোনো গুণগত সুবিধা দেয় না।উল্লেখযোগ্য সমস্যার সমাধান বা নতুন জ্ঞান প্রদানকারী গবেষণায় পাওয়া Citation সবচেয়ে মূল্যবান।

অতএব, Citation-এর পাশাপাশি গবেষণার originality, novelty, and impact অর্থাৎ মৌলিকতা, নতুনত্ব ও প্রভাব বিবেচ্য।

একজন গবেষকের Citation কিভাবে চেক করব?

1. Google Scholar (সবার জন্য উন্মুক্ত ও সহজ)

লিংক: https://scholar.google.com

★Google Scholar ওয়েবসাইটে প্রবেশ করুন।

★সার্চ বক্সে গবেষকের নাম লিখুন (যথাসম্ভব পূর্ণনাম ও ইনস্টিটিউশনের নাম সহ)।

★গবেষকের প্রোফাইল পেলে সেখানে ক্লিক করুন।

★ দেখবেন,

Total Citations

h-index

i10-index

আলাদা করে Since 2020 বা সাম্প্রতিক Citation-ও দেখাবে।Google Scholar Profile থাকলে আরও নির্ভুলভাবে Citation দেখা যায়।

2.Scopus (Elsevier-এর একটি প্রফেশনাল Citation Database)

লিংক: https://www.scopus.com

করণীয়,

★Scopus ওয়েবসাইটে গিয়ে Author Search অপশন বেছে নিন।

★গবেষকের নাম ও ইনস্টিটিউশন দিয়ে সার্চ করুন।

★প্রোফাইল ওপেন করলে দেখা যাবে,

Citation Count

h-index

Document by author

Co-author Network ইত্যাদি

Scopus অ্যাক্সেস অনেক সময় বিশ্ববিদ্যালয়ের লাইব্রেরি বা সাবস্ক্রিপশনের মাধ্যমে লাগে।

3.Web of Science (Clarivate-এর Citation Database)

লিংক: https://www.webofscience.com

করণীয়,

★Author Search অপশনে গবেষকের নাম লিখুন।

★Institution বা Country ব্যবহার করে নির্দিষ্ট গবেষক খুঁজুন।

★Citation, h-index, Highly Cited Papers ইত্যাদি তথ্য দেখা যাবে।

এটি অনেক সময় সাবস্ক্রিপশন ভিত্তিক হয়। বিশ্ববিদ্যালয়গুলোর Digital Library দিয়ে অ্যাক্সেস পাওয়া যায়।

4.Publons (Web of Science Author Profiles)

লিংক: https://publons.com

Publons Web of Science-এর অংশ, যেখানে গবেষকরা তাদের প্রোফাইলে Citation, Peer Review, এবং Journal Editor হিসাবে কাজের তথ্য যুক্ত রাখতে পারেন।

5.ORCID (Supplementary ID System)

লিংক: https://orcid.org

ORCID নিজে Citation Count সরাসরি দেখায় না, তবে গবেষকের প্রকাশনা তথ্য দেখতে সাহায্য করে। অনেকে ORCID, Scopus, Google Scholar একসাথে যুক্ত করে রাখেন।

গবেষকের নামের বানান মিলিয়ে নিতে হবে, অনেকের নাম এক বা একাধিক রকম লেখা হয়।

Affiliation বা Institution উল্লেখ করলে খুঁজে পাওয়া সহজ হয়।একজন গবেষক চাইলে নিজেই Google Scholar Profile তৈরি করে সব Citation ট্র্যাক রাখতে পারেন।

তথ্যসংগ্রহ : Aayan Rahman

১. সিস্টেমেটিক রিভিউ কী?
সিস্টেমেটিক রিভিউ হলো এক ধরনের গবেষণা পদ্ধতি যা একটি নির্দিষ্ট রিসার্চ কোয়েশ্চেনের উত্তর খুঁজে বের করার জন্য বিদ্যমান সব পাবলিশড ও আনপাবলিশড লেটারেচারকে সুনির্দিষ্ট, স্বচ্ছ এবং রেপ্লিকেবল উপায়ে আইডেন্টিফাই, অ্যাসেস, সিন্থেসাইজ এবং সামারাইজ করে। এটি একটি নির্দিষ্ট বিষয়ে এভিডেন্সবেজড সিদ্ধান্ত গ্রহণ করার জন্য সবচেয়ে নির্ভরযোগ্য এবং তথ্য সংগ্রহ করার একটি কাঠামোবদ্ধ প্রক্রিয়া। এই পদ্ধতিটি গবেষণার যেকোন একটি নির্দিষ্ট ক্ষেত্রে জ্ঞানের বর্তমান অবস্থা সম্পর্কে একটি সামগ্রিক ধারণা ("lay of the land" ভিউ) প্রদান করে।

সিস্টেমেটিক রিভিউর উদ্দেশ্য হলো সিদ্ধান্ত গ্রহণের জন্য গুরুত্বপূর্ণ তথ্য একত্রিত করে সহজে উপস্থাপন ও বিশ্লেষণ করা। উদাহরণ স্বরূপ ক্লিনিক্যাল ট্রায়েলের ক্ষেত্রে, এটি বিভিন্ন প্রশ্নের (Research Question) উত্তর দিতে/পেতে সাহায্য করে এবং একটি নির্দিষ্ট ট্রিটমেন্ট কতটা কার্যকর বুঝতে সাহায্য করে। এছাড়াও, এটি ভবিষ্যৎ গবেষণার জন্য নলেজ গ্যাপ চিহ্নিত করতে এবং ক্লিনিক্যাল প্র্যাকটিস বা পাবলিক পলিসি গাইড করতে ব্যবহৃত হয়।

সিস্টেমেটিক রিভিউ এর সংজ্ঞায় বারবার 'স্বচ্ছ', 'পুনরুৎপাদনযোগ্য' এবং 'সুনির্দিষ্ট' শব্দগুলোর ব্যবহার এই পদ্ধতির একটি মৌলিক বৈশিষ্ট্যকে বোঝায়। এই স্বচ্ছতা এবং সুনির্দিষ্টতা অর্জনের মূল কারণ হলো গবেষণায় বায়াস কমানো, অর্থাৎ গবেষকের ব্যক্তিগত পছন্দ বা ধারণার প্রভাব যেন ফলাফলে না পড়ে। একটি লেটারেচার রিভিউ এর তুলনায় সিস্টেমেটিক রিভিউতে এই মেথডোলজিক্যাল রিগোর (দৃঢ়তা) অনেক বেশি, যা এটিকে আরও নির্ভরযোগ্য করে তোলে। বায়াস কমানোর এই গুরুত্বের সবচেয়ে বড় প্রভাব হলো, এটি এভিডেন্স-বেজড প্র্যাকটিস এবং পলিসি মেকিং এর ভিত্তি তৈরি করে।

১.২. লেটারেচার রিভিউ এবং সিস্টেমেটিক রিভিউ-এর মধ্যে মূল পার্থক্য
যদিও লেটারেচার রিভিউ এবং সিস্টেমেটিক রিভিউ উভয়ই বিদ্যমান গবেষণার সারসংক্ষেপ করে, সিস্টেমেটিক রিভিউ তার পদ্ধতিগত রিগোর, স্বচ্ছতা এবং সুনির্দিষ্ট ফোকাসের কারণে লেটারেচার রিভিউ থেকে আলাদা।

সিস্টেমেটিক রিভিউ-এর বৈশিষ্ট্য:
• এটি একটি সুনির্দিষ্ট, ওয়েল-ডিফাইন্ড এবং প্রিসাইজ প্রশ্ন দিয়ে শুরু হয়।
• সার্চিং স্ট্রাটেজি খুব ব্রড এবং কমপ্রিহেনসিভ হয়, যার লক্ষ্য হলো পাবলিশড এবং আনপাবলিশড উভয় ধরনের লেটারেচার খুঁজে বের করা।
• গবেষণায় ইনক্লুশন ও এক্সক্লুশন ক্রাইটেরিয়া স্পষ্টভাবে ডকুমেন্ট করা হয়।
• অন্তর্ভুক্ত স্টাডিগুলোর কোয়ালিটি এবং অবজেক্টিভিটি অ্যাসেস করা হয়।
• সার্চ মেথডোলজি এবং রেজাল্ট স্পষ্টভাবে বর্ণনা করা হয়, যাতে এটি রেপ্লিকেট করা যায়।
• অন্তর্ভুক্ত স্টাডিগুলোর এভিডেন্সের উপর ভিত্তি করে সিদ্ধান্তগুলো তৈরি হয়।

সাধারণ লেটারেচার রিভিউ এর বৈশিষ্ট্য:
• সাধারণত একটি ব্রড টপিক বা রিসার্চ এরিয়া নিয়ে কাজ করে, যার মেথডোলজি সুনির্দিষ্ট নাও হতে পারে।
• সার্চ কমপ্রিহেনসিভ নাও হতে পারে এবং সার্চ রেজাল্ট সাবজেক্টিভলি সিলেক্ট করা হতে পারে।
• ইনক্লুশন ক্রাইটেরিয়ার স্পষ্ট জাস্টিফিকেশন নাও থাকতে পারে।
• স্টাডিগুলোর কোয়ালিটি অ্যাসেস করা নাও হতে পারে বা একই স্ট্যান্ডার্ড ব্যবহার নাও করা হতে পারে।
• সার্চ মেথডোলজি এবং রেজাল্টের বিস্তারিত রিপোর্ট সাধারণত অন্তর্ভুক্ত থাকে না।
• সাধারণত সিদ্ধান্তগুলো প্রাইমারি রিসার্চ বা গবেষকের পূর্ব জ্ঞানের উপর ভিত্তি করে হতে পারে, যা লেখকের ব্যক্তিগত মতামত দ্বারা প্রভাবিত হতে পারে।

২. ধাপে ধাপে সিস্টেমেটিক রিভিউ লেখার প্রক্রিয়া
২.১ রিসার্চ কোয়েশ্চেন তৈরি
একটি সিস্টেমেটিক রিভিউ এর প্রথম এবং সবচেয়ে গুরুত্বপূর্ণ ধাপ হলো একটি সুনির্দিষ্ট, ওয়েল-ডিফাইন্ড এবং অ্যানসারেবল রিসার্চ কোয়েশ্চেন তৈরি করা। এই রিসার্চ কোয়েশ্চেনই পুরো রিভিউ প্রক্রিয়ার ভিত্তি হিসেবে কাজ করে, কারণ এর উপর ভিত্তি করেই ইনক্লুশন ও এক্সক্লুশন ক্রাইটেরিয়া, সার্চ স্ট্র্যাটেজি এবং ডেটা এক্সট্র্যাকশন পদ্ধতি নির্ধারিত হয়। একটি অস্পষ্ট বা খুব ব্রড প্রশ্ন পুরো রিভিউকে জটিল বা অকার্যকর করে তুলতে পারে।

ক্লিনিক্যাল রিভিউগুলোর জন্য PICO (Population, Intervention, Comparison, Outcome) ফ্রেমওয়ার্ক কমনলি ব্যবহৃত হয়। এটি প্রশ্নকে কাঠামোবদ্ধ বা স্ট্রাকচার্ড ওয়েতে সাজাতে সাহায্য করে এবং প্রয়োজনীয় এলিমেন্টগুলোর উপস্থিতি নিশ্চিত করে। কিছু ক্ষেত্রে PICOS ফ্রেমওয়ার্ক ব্যবহার করা হয়, যেখানে 'S' দ্বারা স্টাডি ডিজাইন বা স্ট্যাটিস্টিক্যাল অ্যানালাইসিসকে বোঝানো হয়, যা মেথডোলজিকে আরও বিস্তারিতভাবে উপস্থাপন করে এবং রেপ্রোডিউসিবিলিটি নিশ্চিত করে। কোয়ালিটেটিভ রিভিউ এর জন্য PICo (Population, Interest, Context) বা SPIDER (Sample, Phenomenon of Interest, Design, Evaluation, Research Type) ফ্রেমওয়ার্ক ব্যবহার করা যেতে পারে।

রিসার্চ কোয়েশ্চেনকে "মেথডোলজিক্যাল গোল্ডেন থ্রেড" বলা হয় যা পুরো প্রক্রিয়াকে রিভিউকে উপস্থাপন করে। এটি শুধু একটি প্রশ্ন নয়, বরং ইনক্লুশন/এক্সক্লুশন ক্রাইটেরিয়া, সার্চ স্ট্র্যাটেজি এবং ডেটা এক্সট্র্যাকশনকে সরাসরি প্রভাবিত করে। একটি সুনির্দিষ্ট রিসার্চ কোয়েশ্চেন তৈরি করা এবং এর জন্য PICO/PICOS এর মতো ফ্রেমওয়ার্ক ব্যবহার করা বায়াসনেস কমানোর প্রথম ও গুরুত্বপুর্ন ধাপ। এটি প্রোটোকল ডেভেলপমেন্টের একটি গুরুত্বপূর্ণ অংশ, যা রিভিউ শুরু করার আগেই সম্পন্ন করা হয়। এর ফলে "unplanned research duplication" কমে এবং গবেষণার স্বচ্ছতা বাড়ে। একটি সুস্পষ্ট রিসার্চ কোয়েশ্চেন এবং তার সাথে সম্পর্কিত প্রোটোকল শুধুমাত্র রিভিউ প্রক্রিয়াকে স্মুদ করে না, বরং প্রাপ্ত ফলাফলকে আরও নির্ভরযোগ্য এবং ব্যবহারযোগ্য করে তোলে।

২.২ প্রোটোকল ডেভেলপমেন্ট ও রেজিস্ট্রেশন
একটি সিস্টেমেটিক রিভিউ শুরু করার আগে একটি প্রোটোকল তৈরি করা অত্যন্ত গুরুত্বপূর্ণ। প্রোটোকল হলো একটি বিস্তারিত প্ল্যান যা রিভিউ-এর উদ্দেশ্য, পদ্ধতি এবং প্রক্রিয়াগুলো স্পষ্টভাবে বর্ণনা করে। এটি রিভিউ প্রক্রিয়ার integrity (অখণ্ডতা), transparency (স্বচ্ছতা) এবং rigour (কঠোরতা) নিশ্চিত করে। একটি প্রোটোকলে সাধারণত রিসার্চের উদ্দেশ্য, ব্যবহৃত নির্দিষ্ট পদ্ধতি ও প্রক্রিয়া, প্রতিটি স্টাডির ইনক্লুশন ক্রাইটেরিয়া, ডেটা এক্সট্র্যাকশনের পরিকল্পনা এবং কোন অ্যানালাইসিস করা হবে তার বিবরণ অন্তর্ভুক্ত থাকে।

প্রোটোকল ডেভেলপমেন্টের অনেক সুবিধা রয়েছে। এটি রিভিউ প্রক্রিয়াকে স্ট্রিমলাইন (সরল ও সুসংগঠিত) করে, একটি রোডম্যাপ প্রদান করে, টিমের সদস্যদের জন্য কাজ স্পেসিফাই করে এবং বায়াসন্যাস এড়াতে সাহায্য করে। এটি একটি কোয়ালিটি অ্যাসিউরেন্স টুল হিসেবেও কাজ করে, যা পূর্ণাঙ্গ রিভিউ শুরু করার আগে ফিডব্যাক পাওয়ার সুযোগ তৈরি করে দেয় এবং পাবলিকেশনের সম্ভাবনা বাড়ায়, বিশেষ করে যদি প্রোটোকলটি রেজিস্টার করা হয়।

প্রোটোকল রেজিস্ট্রেশন স্বচ্ছতা বাড়াতে, বায়াস কমাতে এবং অপ্রয়োজনীয় খরচ কমাতে সাহায্য করে। প্রোটোকল সাবমিশন (submission) সাধারণত প্রসপেক্টিভ (prospective) হওয়া উচিত, অর্থাৎ রিভিউ শুরু করার আগেই রেজিস্টার করা উচিত। বিভিন্ন আন্তর্জাতিক প্ল্যাটফর্ম রয়েছে যেখানে সিস্টেমেটিক রিভিউ প্রোটোকল রেজিস্টার করা যায়, যেমন PROSPERO (স্বাস্থ্যসেবা, জনস্বাস্থ্য, অপরাধ, বিচার, সামাজিক কল্যাণ এবং শিক্ষায় ফোকাস), INPLASY (স্কোপিং রিভিউ সহ বিভিন্ন ধরনের প্রোটোকল গ্রহণ করে), Open Science Framework (OSF) এবং Research Registry। Cochrane এবং Joanna Briggs Institute (JBI) এর নিজস্ব রেজিস্ট্রেশন প্ল্যাটফর্মও রয়েছে। রেজিস্ট্রেশন প্রক্রিয়া গবেষক দলকে রিসার্চ কোয়েশ্চেনকে সুনির্দিষ্টভাবে সংজ্ঞায়িত করতে এবং সার্চ স্ট্র্যাটেজি তৈরি করতে সহায়তা করে। এটি নিশ্চিত করে যে রিভিউটি একটি রিসার্চ গ্যাপ পূরণ করছে এবং গবেষণার পুনরাবৃত্তি এড়ায়। অনেক ফান্ডিং এজেন্সি এবং জার্নালের জন্য প্রোটোকল রেজিস্ট্রেশন একটি পূর্বশর্ত হিসাবে বিবেচিত হয়।

২.৩ স্টাডি সার্চিং স্ট্র্যাটেজি তৈরি
সিস্টেমেটিক রিভিউ এর জন্য প্রাসঙ্গিক এভিডেন্স খুঁজে বের করার মূল চাবিকাঠি হলো একটি সুস্পষ্ট এবং সুনির্দিষ্ট সার্চ স্ট্র্যাটেজি তৈরি করা। এই স্ট্র্যাটেজিটি মূলত সুনির্দিষ্ট কিওয়ার্ড (keywords) এবং কানেক্টর (connectors) ব্যবহার করে প্রাসঙ্গিক লেটারেচার খুঁজে বের কাজ করে থাকে।

একটি পাওয়ারফুল সার্চ স্ট্র্যাটেজিতে সাধারণত কিওয়ার্ড, সাবজেক্ট হেডিংস (যেমন MeSH - Medical Subject Headings, Emtree), বুলিয়ান অপারেটর (Boolean operators), ট্রাঙ্কেশন (truncation), ওয়াইল্ডকার্ড (wildcards) এবং ফ্রেজ সার্চিং (phrase searching) এর মতো ইলিমেন্ট অন্তর্ভুক্ত থাকে।

কিওয়ার্ড (Keywords): রিসার্চ কোয়েশ্চেনের মূল কনসেপ্ট (concept) থেকে কিওয়ার্ডগুলো নেওয়া হয়। এগুলো বেসিক্যালি আর্টিকেলগুলোর টাইটেল (title) বা অ্যাবস্ট্রাক্টে (abstract) খোঁজা হয়। কিওয়ার্ডের সমার্থক শব্দ (synonyms), কাছাকাছি শব্দ, সম্পর্কিত শব্দ, সংক্ষিপ্ত রূপ এবং ব্যাকরণগত ভিন্নতাও বিবেচনা করা হয়।

সাবজেক্ট হেডিংস (Subject Headings): প্রতিটি ডেটাবেজের নিজস্ব সাবজেক্ট হেড ক্লাসিফিকেশন সিস্টেম (classification system) থাকে (যেমন PubMed-এর জন্য MeSH, Embase-এর জন্য Emtree)। এগুলো একটি আর্টিকেলের মূল কনসেপ্ট আইডেন্টিফাই করার জন্য ইনডেক্সার (indexer) দ্বারা অ্যাসাইন (assign) করা হয়। সার্চ স্ট্রাটেজির কার্যকরিতা বাড়াতে কিওয়ার্ড এবং সাবজেক্ট হেডিংস উভয়ই একসাথে ব্যবহার করা হয়, যেটা সাধারণত প্রাসঙ্গিক তথ্য পাওয়ার সম্ভাবনা বৃদ্ধি করে।

বুলিয়ান অপারেটর (Boolean Operators): সার্চ টার্মগুলোকে একত্রিত করতে বা বাদ দিতে ব্যবহৃত হয় এবং সার্চ রেজাল্টকে ন্যারো (narrow) বা ব্রডেন (broaden) করে। যেমন,
• AND: সার্চ রেজাল্টকে ন্যারো করে। এটি নির্দেশ করে যে, সার্চ করা সব টার্মই রেজাল্টে উপস্থিত থাকতে হবে। যেমন: "aphasia AND stroke AND depression"।
• OR: সার্চ রেজাল্টকে ব্রডেন করে। এটি নির্দেশ করে যে, সার্চ করা টার্মগুলোর মধ্যে যেকোনো একটি বা উভয়ই রেজাল্টে উপস্থিত থাকতে পারে। এটি সমার্থক শব্দ বা রিলেটেড কনসেপ্টকে একত্রিত করতে সহায়ক। যেমন: "treatment OR therapy"।
• NOT: সার্চ রেজাল্ট থেকে নির্দিষ্ট শব্দ বাদ দিতে ব্যবহৃত হয়। এটি সার্চকে ন্যারো করে, কিন্তু এটি সতর্কতার সাথে ব্যবহার করা উচিত কারণ এটি প্রাসঙ্গিক রেজাল্টও বাদ দিতে পারে। যেমন: "communication disorders NOT aphasia"।

যদি একই সার্চ স্ট্রিংয়ে AND এবং OR উভয়ই ব্যবহার করা হয়, তবে OR ব্লকগুলোকে প্যারেন্থেসিস (parentheses) বা ব্র্যাকেটের মধ্যে রাখতে হবে। যেমন: "(asthma OR allergy) AND children"।

ট্রাঙ্কেশন (Truncation) / ওয়াইল্ডকার্ড (Wildcards): শব্দের বিভিন্ন শেষাংশ বা বানান ভিন্নতা অন্তর্ভুক্ত করার জন্য ব্যবহৃত হয়।
• ট্রাঙ্কেশন (): একটি শব্দের মূল অংশের শেষে * ব্যবহার করলে সেই মূল অংশ দিয়ে শুরু হওয়া সব শব্দ খুঁজে পাওয়া যায়। যেমন: behavio* ব্যবহার করলে খুঁজে পাওয়া যাবে behavior, behavioral, behaviour, behavioural ইত্যাদি।
• ওয়াইল্ডকার্ড (? বা #): একটি শব্দের মাঝখানে বা শেষে একটি অক্ষর রিপ্লেস করতে ব্যবহৃত হয়। এটি সাধারণত বানানের ভিন্নতা (যেমন আমেরিকান বনাম ব্রিটিশ স্পেলিং) বা প্লুরাল (plural) ফর্মের জন্য সহায়ক। যেমন: wom খুঁজে পাবে woman এবং women, organi?ation খুঁজে পাবে organisation এবং organization।

ফ্রেজ সার্চ (Phrase Search): নির্দিষ্ট কোন ফ্রেজ খোঁজার জন্য শব্দগুলোকে কোটেশন মার্কের (" ") মধ্যে রাখা হয়। যেমন: "solar energy"।
একটি পাওয়ারফুল সার্চ স্ট্র্যাটেজি তৈরি করার সময়, রিকল (recall) বা সেনসিটিভিটি (কতটা প্রাসঙ্গিক লেটারেচার খুঁজে পাওয়া গেছে) এবং প্রিসিশন (precision) বা অ্যাকুরেসি (কতটা খুঁজে পাওয়া লেটারেচার প্রাসঙ্গিক) এর মধ্যে ভারসাম্য বজায় রাখা গুরুত্বপূর্ণ। কিছু অপ্রাসঙ্গিক রেজাল্ট খুঁজে পাওয়াটা স্বাভাবিক, কারণ এটি সম্ভাব্য সব প্রাসঙ্গিক স্টাডি অন্তর্ভুক্ত হয়েছে কিনা সেটা নিশ্চিত করে।

একটি পাওয়ারফুল সার্চ স্ট্র্যাটেজি কেবল কিছু প্রাসঙ্গিক আর্টিকেল খুঁজে বের করার জন্য নয়, বরং অপ্রাসঙ্গিক রেজাল্ট কমিয়ে সম্ভাব্য সব প্রাসঙ্গিক আর্টিকেল খুঁজে বের করার জন্য ব্যাবহার হয়। এর জন্য সেনসিটিভিটি (রিকল) এবং প্রিসিশন (অ্যাকুরেসি) এর মধ্যে একটি সূক্ষ্ম ভারসাম্য প্রয়োজন। স্পেসিফিক শব্দভাণ্ডার (সাবজেক্ট হেডিংস) এবং ফ্রি টেক্সট কিওয়ার্ড উভয়ই ব্যবহার করা, সাথে বুলিয়ান অপারেটর, ট্রাঙ্কেশন এবং ওয়াইল্ডকার্ড ব্যবহার করা এই ভারসাম্য অর্জনের জন্য গুরুত্বপূর্ণ। একটি প্লানড সার্চ স্ট্র্যাটেজি এভিডেন্স বেসের ব্রডনেস এবং নির্ভরযোগ্যতাকে সরাসরি প্রভাবিত করে, এবং এটি নিশ্চিত করে যে গবেষণা থেকে প্রাপ্ত ফলাফল বিদ্যমান লেটারেচারকে রিপ্রেজেন্ট করে এবং কোনো বায়াসড সিলেকশন নয়।

২.৪ ডেটাবেজ ও অন্যান্য সোর্স ব্যবহার
সিস্টেমেটিক রিভিউ এর জন্য প্রাসঙ্গিক সব এভিডেন্স খুঁজে বের করতে একাধিক ডেটাবেজ এবং গ্রে লেটারেচার (grey literature) সোর্স ব্যবহার করা অপরিহার্য। একটি মাত্র ডেটাবেজের উপর নির্ভর করলে পাবলিকেশন বায়াস (publication bias) দেখা দিতে পারে, কারণ সব ডেটাবেজে সব জার্নাল বা প্রকাশনাতে ইনডেক্স করা হয় না।

প্রধান ডেটাবেজসমূহ:
• PubMed (পাবমেড): ন্যাশনাল লাইব্রেরি অফ মেডিসিন (NLM) দ্বারা পরিচালিত একটি ফ্রি রিসোর্স। এটি বায়োমেডিসিন, লাইফ সায়েন্সেস এবং রিলেটেড ডিসিপ্লিনের লেটারেচার সার্চ ও রিট্রিভ করতে সহায়তা করে। PubMed এর একটি বড় অংশ MEDLINE, যা MeSH (Medical Subject Headings) দ্বারা ইনডেক্স করা আর্টিকেল যুক্ত করে। এটি PubMed Central (PMC) এবং Bookshelf থেকে ফুল টেক্সট আর্টিকেলের লিঙ্কও প্রদান করে। PubMed-এ "Clinical Queries" ব্যবহার করে ক্লিনিক্যাল ট্রায়াল, সিস্টেমেটিক রিভিউ এবং মেডিকেল জেনেটিক্স টপিক খোঁজা যায়।

• Embase (এমবেস): এলসেভিয়ার (Elsevier) দ্বারা পরিচালিত একটি সাবস্ক্রিপশন বেজড ডেটাবেজ যা PubMed/MEDLINE-এর মতো একই বিষয়গুলো কভার করে, তবে ফার্মাকোলজি, ড্রাগস, মেডিকেল ডিভাইসেস, ক্লিনিক্যাল মেডিসিন এবং বেসিক সায়েন্সেস এর উপর বিশেষ ফোকাস করে। Embase এ Emtree নামক নিজস্ব থিসোরাস ব্যবহার করা হয়, যা MeSH এর চেয়েও বেশি টার্ম এবং সিনোনিম অন্তর্ভুক্ত করে। এটিকে কনফারেন্স অ্যাবস্ট্রাক্টস এবং ক্লিনিক্যাল ট্রায়ালসের একটা বিশাল কভারেজ হিসাবে বিবেচনা করা হয়।

• Cochrane Library (ককরেন লাইব্রেরি): সিস্টেমেটিক রিভিউ এর জন্য একটি গুরুত্বপূর্ণ ডেটাবেজ, বিশেষ করে স্বাস্থ্যসেবা ইন্টারভেনশনের ইফেকটিভনেস ইভালুয়েশনের জন্য গুরুত্বপূর্ন। এটি Cochrane Database of Systematic Reviews (CDSR) কে ইনক্লুড করে।

• Web of Science (ওয়েব অফ সায়েন্স): থমসন রয়টার্স দ্বারা পরিচালিত একটি সাবস্ক্রিপশন বেজড সাইটেশন ইনডেক্সিং সার্ভিস। এটি লাইফ সায়েন্সেস, বায়োমেডিকেল সায়েন্সেস, ইঞ্জিনিয়ারিং, সোশ্যাল সায়েন্সেস এবং আর্টস অ্যান্ড হিউম্যানিটিজ ডিসিপ্লিন কভার করে। এটি কিওয়ার্ড সার্চিং এবং সাইটেশন ট্র্যাকিং এর জন্য খুবই গুরুত্বপূর্ন।

• Scopus (স্কোপাস): এলসেভিয়ার দ্বারা পরিচালিত একটি বিশাল মাল্টিডিসিপ্লিনারি অ্যাবস্ট্রাক্ট এবং সাইটেশন ডেটাবেজ। এটিতে পিয়ার রিভিউড জার্নাল, ট্রেড জার্নাল, বই, পেটেন্ট রেকর্ড এবং কনফারেন্স পাবলিকেশন অন্তর্ভুক্ত থাকে। Scopus এর কভারেজ Web of Science এবং PubMed এর চেয়েও বেশি এবং এটি সাইটেশন ট্র্যাকিং এবং অথর প্রোফাইল সম্পর্কিত তথ্য প্রদান করে।

গ্রে লেটারেচার (Grey Literature): পাবলিশড লেটারেচারের পাশাপাশি, সিস্টেমেটিক রিভিউতে গ্রে লেটারেচার খোঁজা অত্যন্ত গুরুত্বপূর্ণ। গ্রে লেটারেচার হলো এমন গবেষণা যা জার্নালে প্রকাশিত হয়নি, যেমন ক্লিনিক্যাল ট্রায়াল রেজিস্ট্রি, কনফারেন্স প্রসিডিংস ও অ্যাবস্ট্রাক্টস, থিসিস বা ডিসার্টেশন এবং সরকারি রিপোর্ট। গ্রে লেটারেচার অন্তর্ভুক্ত করা পাবলিকেশন বায়াস কমাতে সাহায্য করে, কারণ পজিটিভ ফলাফলযুক্ত স্টাডিগুলোই বেশি প্রকাশিত হওয়ার সম্ভাবনা থাকে।

একটি গ্রহণযোগ্য সিস্টেমেটিক রিভিউ এর জন্য কেবল একটি ডেটাবেজের উপর নির্ভর করা পাবলিকেশন বায়াস তৈরি করতে পারে। একটি প্রকৃত সিস্টেমেটিক রিভিউ এর জন্য প্রধান বিব্লিওগ্রাফিক ডেটাবেজ (PubMed, Embase, Web of Science, Scopus) এবং গ্রে লেটারেচার (ক্লিনিক্যাল ট্রায়াল রেজিস্ট্রি, কনফারেন্স প্রসিডিংস, ডিসার্টেশন) সহ বিভিন্ন উৎস থেকে যত বেশি সম্ভব সার্চ করা প্রয়োজন। এই পদ্ধতিটি সমস্ত রিলেটেড এভিডেন্স সংগ্রহ করার জন্য অপরিহার্য, যার ফলে সিলেকশন বায়াস কমে যায় এবং রিভিউ থেকে প্রাপ্ত সিদ্ধান্তগুলো বিদ্যমান লেটারেচারের পুরো অংশের উপর ভিত্তি করে তৈরি হয়। এই প্রাকটিস রিভিউ এর গ্রহনযোগ্যতা এবং জেনারালাইজেবিলিটি বাড়ায়।

২.৫ স্টাডি সিলেকশন (স্ক্রিনিং)
সার্চিং সম্পন্ন হওয়ার পর, প্রাপ্ত স্টাডিগুলো রিভিউ এর ইনক্লুশন ক্রাইটেরিয়া পূরণ করে কিনা তা নির্ধারণ করার জন্য একটি সুসংগঠিত সিলেকশন বা স্ক্রিনিং প্রক্রিয়া অনুসরণ করা হয়। এই প্রক্রিয়াটি সাধারণত দুটি ধাপে সম্পন্ন হয়:
• প্রথম ধাপ: টাইটেল (Title) ও অ্যাবস্ট্রাক্ট (Abstract) স্ক্রিনিং: এই ধাপে, প্রতিটি আর্টিকেলের টাইটেল এবং অ্যাবস্ট্রাক্ট দ্রুত রিভিউ করা হয় এবং রিসার্চ কোয়েশ্চেনের সাথে সম্ভাব্য প্রাসঙ্গিকতা এবং ইনক্লুশন ক্রাইটেরিয়া অনুযায়ী প্রাথমিক যোগ্যতা যাচাই করা হয়। যেসব আর্টিকেল স্পষ্টভাবে অপ্রাসঙ্গিক, সেগুলোকে এই ধাপেই বাদ দেওয়া হয়।
• দ্বিতীয় ধাপ: ফুল-টেক্সট (Full-Text) স্ক্রিনিং: প্রথম ধাপ থেকে নির্বাচিত আর্টিকেলগুলোর ফুল-টেক্সট সংগ্রহ করা হয় এবং আরও বিস্তারিতভাবে ইনক্লুশন ও এক্সক্লুশন ক্রাইটেরিয়ার প্রেক্ষিতে অ্যাসেস করা হয়। এই ধাপে, প্রতিটি আর্টিকেলের মেথডস, ফলাফল এবং অন্যান্য প্রাসঙ্গিক বিবরণ পুঙ্খানুপুঙ্খভাবে দেখা হয়। বাদ দেওয়া আর্টিকেলগুলোর জন্য সুনির্দিষ্ট কারণ রেকর্ড করা হয়।

স্ক্রিনিং প্রক্রিয়ায় বায়াস কমাতে এবং রিলাইএবিলিটি বাড়াতে একাধিক রিভিউয়ারের (সাধারণত দুইজন) ইন্ডিপেন্টেন্টলি কাজ করা উচিত। যদি রিভিউয়ারদের মধ্যে কোনো বিষয়ে মতবিরোধ হয়, তবে একজন তৃতীয় রিভিউয়ারের মাধ্যমে তা সমাধান করা হয়।

PRISMA ফ্লো ডায়াগ্রাম (Flow Diagram): স্ক্রিনিং প্রক্রিয়াকে সুস্পষ্টভাবে রিপোর্ট করার জন্য PRISMA (Preferred Reporting Items for Systematic Reviews and Meta-Analyses) ফ্লো ডায়াগ্রাম ব্যবহার করা হয়। এটি একটি চার পর্যায়ের ফ্লোচার্ট যা গবেষণা প্রক্রিয়ার মাধ্যমে তথ্যের ফ্লোকে ম্যাপ করে। স্টাডিগুলো কীভাবে আইডেন্টিফাই করা হয়েছে, স্ক্রিন করা হয়েছে এবং অন্তর্ভুক্ত বা বাদ দেওয়া হয়েছে সেটা এখানে নির্ধারন করা হয়।
ফ্লো ডায়াগ্রামের প্রধান অংশসমূহ:

• Records identified (রেকর্ডস আইডেন্টিফাইড): ডেটাবেজ সার্চ থেকে প্রাপ্ত মোট টাইটেল এবং অ্যাবস্ট্রাক্টের সংখ্যা। প্রতিটি ডেটাবেজ থেকে প্রাপ্ত সংখ্যা আলাদাভাবে উল্লেখ করা যেতে পারে।
• Records removed before screening (স্ক্রিনিংয়ের আগে বাদ দেওয়া রেকর্ডস): প্রাথমিক সার্চ রেজাল্ট থেকে ডুপ্লিকেট (duplicates) বাদ দেওয়ার পর অবশিষ্ট রেকর্ডসের সংখ্যা।
• Records screened (স্ক্রিন করা রেকর্ডস): ডুপ্লিকেট বাদ দেওয়ার পর টাইটেল এবং অ্যাবস্ট্রাক্ট স্ক্রিনিংয়ের জন্য অবশিষ্ট রেকর্ডসের সংখ্যা।
• Records excluded (বাদ দেওয়া রেকর্ডস): টাইটেল এবং অ্যাবস্ট্রাক্ট স্ক্রিনিংয়ের পর অপ্রাসঙ্গিকতার কারণে বাদ দেওয়া রেকর্ডসের সংখ্যা। বাদ দেওয়ার কারণ এই ধাপে উল্লেখ করা যেতে পারে।
• Reports sought for retrieval (রিট্রিভালের জন্য চাওয়া রিপোর্টস): ফুল টেক্সট স্ক্রিনিংয়ের জন্য প্রাপ্তব্য রিপোর্টসের সংখ্যা।
• Reports not retrieved (রিট্রিভ করা হয়নি এমন রিপোর্টস): যেসব ফুল টেক্সট সংগ্রহ করা সম্ভব হয়নি (যেমন অ্যাক্সেসযোগ্যতা না থাকা)।
• Reports assessed for eligibility (যোগ্যতার জন্য অ্যাসেস করা রিপোর্টস): যেসব ফুল টেক্সট এলিজিবিলিটি যাচাইয়ের জন্য অ্যাসেস করা হয়েছে।
• Reports excluded (বাদ দেওয়া রিপোর্টস): ফুল টেক্সট স্ক্রিনিংয়ের পর যোগ্যতার (Eligibility) অভাবে বাদ দেওয়া রিপোর্টসের সংখ্যা এবং বাদ দেওয়ার সুনির্দিষ্ট কারণ।
• Studies included in review (রিভিউতে অন্তর্ভুক্ত স্টাডিজ): চূড়ান্তভাবে রিভিউতে অন্তর্ভুক্ত স্টাডিগুলোর সংখ্যা।

স্ক্রিনিং প্রক্রিয়ায় Covidence এবং Rayyan এর মতো অনলাইন টুলগুলো ব্যবহার করা যেতে পারে, যা প্রক্রিয়াটিকে স্ট্রিমলাইন করে এবং ডেটা ম্যানেজমেন্ট ও কোলাবোরেশন সহজ করে।

স্ক্রিনিং প্রক্রিয়াটি একটি গুরুত্বপূর্ণ ফিল্টার হিসেবে কাজ করে, যা প্রাথমিক সার্চ রেজাল্টের বিশাল ভলিউম থেকে প্রাসঙ্গিক স্টাডিগুলোকে সুসংগঠিতভাবে বাছাই করে। টাইটেল/অ্যাবস্ট্রাক্ট এবং তারপর ফুল টেক্সট রিভিউ প্রক্রিয়াটি রিভিউ এর ফোকাস বজায় রাখতে এবং অপ্রাসঙ্গিক স্টাডি বাদ দিতে একটি গুরুত্বপুর্ণ ধাপ হিসাবে বিবেচনা করা হয়। একাধিক রিভিউয়ারের মতামত, মতবিরোধ সমাধানের একটি প্রক্রিয়া সহ, এই পর্যায়ে রিভিউয়ার বায়াস কমানোর জন্য এটি একটি মৌলিক প্রক্রিয়া। PRISMA ফ্লো ডায়াগ্রাম এই ফিল্টারিং প্রক্রিয়াটিকে স্পষ্টভাবে ডকুমেন্ট করে, প্রতিটি আর্টিকেল অন্তর্ভুক্ত/বাদ দেওয়ার সিদ্ধান্তের কারণ উল্লেখ করে, যা রিভিউ এর রিপ্রোইডিউসএবিলিটি এবং বিশ্বাসযোগ্যতার জন্য অত্যন্ত গুরুত্বপূর্ণ।

২.৬ ডেটা এক্সট্র্যাকশন
ডেটা এক্সট্র্যাকশন হলো সিস্টেমেটিক রিভিউ প্রক্রিয়ার একটি গুরুত্বপূর্ণ ধাপ, যেখানে অন্তর্ভুক্ত স্টাডিগুলো থেকে প্রাসঙ্গিক ডেটা সংগ্রহ, বিশ্লেষণ এবং সংগঠিত করা হয়। এই ডেটা রিভিউ এর পদ্ধতি এবং প্রোটোকল অনুযায়ী এক্সট্র্যাক্ট করা হয়।

কী ডেটা এক্সট্র্যাক্ট করা হয়: সাধারণত, ডেটা এক্সট্র্যাকশনের সময় স্টাডির বৈশিষ্ট্য (যেমন গবেষণা পদ্ধতি, স্যাম্পল সাইজ, ফান্ডিং সোর্স), ইন্টারভেনশন বা এক্সপোজারের বিবরণ এবং মূল ফলাফল সম্পর্কিত তথ্য সংগ্রহ করা হয়। ক্লিনিক্যাল ট্রায়াল রিভিউ এর ক্ষেত্রে, গবেষণার পদ্ধতি, স্যাম্পল সাইজ, ফান্ডিং উৎস এবং ফলাফল সম্পর্কে ডেটা এক্সট্র্যাক্ট করা হতে পারে।

প্রক্রিয়া এবং টুলস: ডেটা এক্সট্র্যাকশন প্রক্রিয়ার জন্য পূর্ব প্রতিষ্ঠিত গাইডলাইন এবং ডেটা এক্সট্র্যাকশন ফর্ম (data extraction forms) ব্যবহার করা হয়। এই ফর্মগুলো সাধারণত পাইলট টেস্ট করা হয় যাতে নিশ্চিত করা যায় যে একাধিক রিভিউয়ার একই ধরনের ডেটা রেকর্ড করছেন এবং ধারাবাহিকতা বজায় থাকছে। বায়াস এবং ভুল কমাতে কমপক্ষে দুইজন রিভিউয়ারের ইন্ডিপেন্ডেন্টলি ডেটা এক্সট্র্যাকশন করা এবং প্রয়োজন অনুযায়ী আলোচনা করে সিদ্ধান্তে পৌঁছানো উচিত।

ম্যানুয়াল (manual) পদ্ধতির পাশাপাশি, ইলেকট্রনিক ফর্ম এবং বিশেষায়িত সফটওয়্যার (যেমন DistillerSR, Covidence) ডেটা এক্সট্র্যাকশনকে আরও সহজ, দ্রুত এবং ত্রুটিমুক্ত করতে পারে। এই টুলগুলো ডেটা ম্যানেজ, ক্যাটাগরাইজ, রিফাইন এবং এক্সপোর্ট করার সুবিধা প্রদান করে।

ডেটা এক্সট্র্যাকশন কেবল তথ্য কপি করা নয়; এটি একটি কাঠামোগত প্রক্রিয়া যেখানে বিভিন্ন উৎস থেকে নির্দিষ্ট ডেটা পয়েন্টগুলো চিহ্নিত করে একটি অর্গানাইজড ফরম্যাটে সংগ্রহ করা হয়। এই কাঠামোগত পদ্ধতি অত্যন্ত গুরুত্বপূর্ণ কারণ এটি সরাসরি পরবর্তী সিন্থেসিস এবং এনালাইসিসের জন্য ডেটাকে প্রস্তুত করে। এক্সট্র্যাকশনের সময় ধারাবাহিকতা এবং নির্ভুলতা নিশ্চিত করা একাধিক রিভিউয়ারের পার্টিসিপেশন, ত্রুটি এবং বায়াস কমিয়ে দেয়, যা ফাইনাল সিদ্ধান্তের জন্য অত্যন্ত গুরুত্বপূর্ণ। ডেটা এক্সট্র্যাকশনের গুণগত মান সরাসরি এভিডেন্স সিন্থেসিসের নির্ভরযোগ্যতাকে প্রভাবিত করে।

২.৭ কোয়ালিটি অ্যাসেসমেন্ট (বায়াস অ্যাসেসমেন্ট)
কোয়ালিটি অ্যাসেসমেন্ট, যা বায়াস অ্যাসেসমেন্ট নামেও পরিচিত, সিস্টেমেটিক রিভিউ এর একটি গুরুত্বপূর্ণ ধাপ। এই ধাপে রিভিউতে অন্তর্ভুক্ত প্রতিটি প্রাইমারি স্টাডির মেথডোলজিক্যাল কোয়ালিটি এবং বায়াসের ঝুঁকি এনালাইসিস করা হয়। এর প্রাইমারি উদ্দেশ্য হলো স্টাডিগুলো কতটা ভালোভাবে পরিচালিত হয়েছে এবং তাদের ডিজাইনে, মেথডসে ও বিশ্লেষণে বায়াসের সম্ভাবনা কতটা ছিল তা নির্ধারণ করা।

মূল্যায়ন টুলস: বিভিন্ন ধরনের স্টাডি ডিজাইনের জন্য বিভিন্ন এসেসমেন্ট টুলস রয়েছে:
• Cochrane Risk of Bias (RoB 2) tool: র‍্যান্ডমাইজড কন্ট্রোল্ড ট্রায়ালস (RCTs) এর বায়াসের ঝুঁকি মূল্যায়নের জন্য ব্যবহৃত হয়। এটি একটি নির্দিষ্ট ডোমেইন সেটের উপর ভিত্তি করে গঠিত, যা ট্রায়ালের ডিজাইন, মেথডস এবং রিপোর্টিংয়ের বিভিন্ন দিককে ফোকাস করে।
• ROBINS-I tool: নন-র‍্যান্ডমাইজড স্টাডিজ এর বায়াসের ঝুঁকি মূল্যায়নের জন্য ব্যবহৃত হয়।
• JBI Critical Appraisal Tools: Joanna Briggs Institute (JBI) বিভিন্ন ধরনের স্টাডি ডিজাইনের জন্য নির্দিষ্ট ক্রিটিক্যাল অ্যাপ্রাইজাল টুলস প্রদান করে। এই টুলগুলো স্টাডির মেথডোলজিক্যাল কোয়ালিটি অ্যাসেস করতে সাহায্য করে।
• AMSTAR-2 এবং ROBIS: এই টুলগুলো সিস্টেমেটিক রিভিউগুলোর মেথডোলজিক্যাল কোয়ালিটি এবং বায়াসের রিস্ক এসেসমেন্টের জন্য ব্যবহৃত হয়। AMSTAR-2 হেলথকেয়ার ইন্টারভেনশনের সিস্টেমেটিক রিভিউগুলোর মেথডোলজিক্যাল কোয়ালিটির উপর ফোকাস করে, আর ROBIS বায়াসের ঝুঁকির উপর জোর দেয়।

বায়াস কমানোর জন্য, ইনক্লুডেড স্টাডিগুলোর ক্রিটিক্যাল অ্যাপ্রাইজাল দুইজন বা তার বেশি রিভিউয়ার দ্বারা ইন্ডিপেন্ডেন্টলি করা উচিত। প্রয়োজন অনুযায়ী, রিভিউয়ারদের মধ্যে আলোচনা করে স্টাডির গুণগত মান এবং যোগ্যতার বিষয়ে সিদ্ধান্তে পৌঁছাতে হয়।

২.৮ ডেটা সিন্থেসিস
ডেটা সিন্থেসিস হলো সিস্টেমেটিক রিভিউ প্রক্রিয়ার চূড়ান্ত ধাপগুলোর মধ্যে একটি, যেখানে এক্সট্র্যাক্ট করা এবং অ্যাসেস করা ডেটাগুলোকে একত্রিত করে এর অর্থ বোঝা এবং সুসংগত ডেটা স্ট্রাকচার তৈরি করা হয়। এই ধাপে, রিভিউয়াররা তাদের ডেটা এক্সট্র্যাকশন টেমপ্লেট থেকে প্রাপ্ত তথ্য ব্যবহার করে একটি গভীরতর জ্ঞান অর্জনের জন্য ডেটাগুলোকে একত্রিত করে।

সিন্থেসিস কোয়ালিটেটিভ (qualitative) বা কোয়ান্টিটেটিভ (quantitative) উভয় পদ্ধতিতেই করা যেতে পারে।
• মেটা-অ্যানালাইসিস (Meta-analysis): যদি অন্তর্ভুক্ত স্টাডিগুলোর ডেটা যথেষ্ট কোয়ান্টিটেটিভ এবং সমজাতীয় (homogeneous) হয়, তবে মেটা-অ্যানালাইসিস করা যেতে পারে। এটি একটি স্ট্যাটিস্টিক্যাল অ্যানালাইসিস যা একাধিক কোয়ান্টিটেটিভ স্টাডির ফলাফলকে একত্রিত করে একটি সম্মিলিত ইফেক্ট সাইজ প্রদান করে।
• ন্যারেটিভ সিন্থেসিস (Narrative Synthesis): যদি স্টাডিগুলো ভিন্ন প্রকৃতির হয় (হেটেরোজেনিয়াস) বা কোয়ান্টিটেটিভ ডেটা মেটা অ্যানালাইসিসের জন্য উপযুক্ত না হয়, তবে ন্যারোটিভ সিন্থেসিস ব্যবহার করা হয়। এটি একাধিক স্টাডির ফলাফলকে একত্রিত করে একটি টেক্সচুয়াল সামারি (textual summary) প্রদান করে। কোয়ালিটেটিভ রিভিউ বা মেটা-সিন্থেসিসে, এটি কোয়ালিটেটিভ রিসার্চ ফাইন্ডিংগুলোকে একত্রিত করে জটিল বা সংবেদনশীল বিষয়গুলোতে একটি ডিপ আন্ডারস্ট্যান্ডিং তৈরি করে।

অন্যান্য সিন্থেসিস অ্যাপ্রোচ (Other Synthesis Approaches): কনভেনশনাল সিন্থেসিস (conceptual frameworks বা theories তৈরিতে ব্যবহৃত), ইমার্জিং সিন্থেসিস (বিভিন্ন ডেটা টাইপ থেকে লেটারেচার এবং মেট্রিক্স অন্তর্ভুক্ত করে), এবং মিক্সড মেথডস সিন্থেসিস (কোয়ান্টিটেটিভ ও কোয়ালিটেটিভ ডেটা একত্রিত করে) এর মতো পদ্ধতিও বিদ্যমান।
সিস্টেমেটিক রিভিউয়ের ক্ষেত্রে স্পষ্ট সিন্থেসিস স্ট্র্যাটেজি থাকা গুরুত্বপূর্ণ, যা ডেটার ধরন এবং রিভিউ এর উদ্দেশ্যের উপর ভিত্তি করে নির্ধারিত হয়। এটি সামগ্রিক প্রক্রিয়াটিকে ত্বরান্বিত করে এবং ফলাফলের নির্ভুলতা যাচাই করে।

২.৯ রিপোর্টিং গাইডলাইন অনুসরণ (PRISMA)
সিস্টেমেটিক রিভিউ এর চূড়ান্ত ধাপ হলো এর ফলাফলগুলো স্পষ্ট এবং সম্পূর্ণভাবে রিপোর্ট করা। এর জন্য PRISMA (Preferred Reporting Items for Systematic Reviews and Meta-Analyses) গাইডলাইন অনুসরণ করা হয়। PRISMA এর মূল লক্ষ্য হলো সিস্টেমেটিক রিভিউ এর রিপোর্টিং উন্নত করা, যাতে লেখকরা কেন রিভিউটি করেছিলেন, কী পদ্ধতি ব্যবহার করা হয়েছিল এবং কী ফলাফল পাওয়া গিয়েছিল তা সম্পূর্ণভাবে বর্ণনা করতে পারেন। এই রিপোর্টিং গাইডলাইন বেসিক্যালি রিভিউ এর স্বচ্ছতা বাড়তে, রেপ্লিকেবিলিটি এনশিওর করতে এবং বায়াস কমানোর জন্য ডিজাইন করা হয়েছে।

Abdullah Al Zabir

Sci-Hub- এর বিকল্প প্ল্যাটফর্ম:

Unpaywall →

https://unpaywall.org/

এই ফ্রি Chrome এক্সটেনশনটি ইনস্টল করার পর আপনি যখন কোনো পেইড জার্নাল আর্টিকেলের পেজে যাবেন, তখন এটি স্বয়ংক্রিয়ভাবে খুঁজে দেখবে ওপেন অ্যাক্সেস কপি অনলাইনে আছে কি না এবং থাকলে সরাসরি দেখিয়ে দেবে।

ResearchGate → https://lnkd.in/gWUqG5pt

বিশ্বব্যাপী একাডেমিক নেটওয়ার্কিং প্ল্যাটফর্ম যেখানে লাখ লাখ গবেষক, প্রফেসর ও শিক্ষার্থী তাদের গবেষণাপত্র, প্রিপ্রিন্ট, কনফারেন্স পেপার, ডেটাসেট এবং অন্যান্য একাডেমিক কাজ শেয়ার করেন। যদি কোনো পেপার সরাসরি ডাউনলোড করতে না পারেন তাহলে Request full-text বাটনে ক্লিক করে পেপার পাওয়ার জন্য সরাসরি অনুরোধ পাঠাতে পারেন।

PaperPanda → https://paperpanda.app/

এটিও একটি Chrome এক্সটেনশন যা খুব সহজভাবে পেইড রিসার্চ পেপারের ফ্রি ভার্সন খুঁজে দেয়। Unpaywall-এর মতো কাজ করে কিন্তু আরও ব্যবহারবান্ধব।

QOpen Access Button (OAB) →

https://lnkd.in/gWNEdndK

এই প্ল্যাটফর্মে আপনি যেকোনো রিসার্চ পেপারের URL বা DOI দিয়ে সার্চ করলে ইন্টারনেটে তার ফ্রি সংস্করণ খুঁজে দেয়। অনেক সময় লেখকের আপলোডকৃত ভার্সনও এখানে পাওয়া যায়।

DOAJ (Directory of Open Access Journals) →

https://doaj.org/

এখানে বিশ্বব্যাপী প্রকাশিত হাজার হাজার ওপেন অ্যাক্সেস জার্নাল তালিকাভুক্ত আছে। বিষয়ের ভিত্তিতে বা কীওয়ার্ড দিয়ে সার্চ করে সহজেই প্রয়োজনীয় আর্টিকেল খুঁজে বের করা যায়।
CORE → https://core.ac.uk/

এটি বিশ্বের সবচেয়ে বড় ওপেন অ্যাক্সেস রিসার্চ ডাটাবেসগুলোর একটি। এখানে বিশ্বের বিভিন্ন বিশ্ববিদ্যালয়, ইনস্টিটিউশন ও রিসার্চ সেন্টার থেকে সংগৃহীত প্রায় ৩০ কোটি গবেষণাপত্র রয়েছে।

QOA. mg → https://oa.mg/

এই স্মার্ট একাডেমিক সার্চ ইঞ্জিনে ২৫ কোটিরও বেশি গবেষণাপত্র বিনামূল্যে পাওয়া যায়। Google Scholar-এর মতো দেখতে হলেও এটি শুধুমাত্র ওপেন অ্যাক্সেস কনটেন্টেই ফোকাস করে।

QarXiv→

[https://lnkd.in/gCkz2PVA)

বর্তমানে এখানে ২৪ লাখেরও বেশি ফ্রি অ্যাক্সেস pre-print গবেষণাপত্র রয়েছে।