מבוא: בעיית המידע בעולם האקדמי

השיעור נפתח בהצבת השאלה המרכזית של הקורס: בעולם שבו מידע אינו הבעיה - מידע זמין בכמויות עצומות - השאלה האמיתית היא האם אפשר לסמוך על המידע שמגיע לידינו? כלים שונים יכולים לסייע בקבלת ההחלטה הזו, אך בסופו של דבר השיפוט הוא של הקורא עצמו.

חלק א׳: גישה לספרים ומאמרים דרך ספריית הפקולטה

הקטלוג המקוון של ספריות בר-אילן

באתר הפקולטה לרפואה, תחת הלשונית מחקר ← ספרייה ← קישורים שימושיים, מופיע קישור לקטלוג המקוון של ספריות בר-אילן. הקטלוג מאפשר לאתר ספרים הן בספרייה הכללית של האוניברסיטה והן בספריית הפקולטה לרפואה באופן ספציפי.

הדגמה מתוך השיעור: חיפוש הספר Molecular Biology of the Cell הניב כמה תוצאות. ניתן לראות:

  • עותק זמין כספר מקוון (Full Text Online) - ניגשים ישירות מהקטלוג.
  • עותק פיזי באוסף השמורים (Reserve): ספר שמיועד לעיון במקום בלבד, ניתן להוציאו רק לקראת סוף היום עם חזרה חובה למחרת בבוקר. לכל ספר טקסט עיקרי קיים לפחות עותק שמור אחד.
  • עותקים להשאלה: כאשר כולם מושאלים, ניתן לבצע הזמנה מתוך הממשק. כאשר עותק נמצא על המדף - לא ניתן להזמין.

כדי להגיע פיזית לספר, מאתרים את מספר המדף הקטלוגי ואוספים את הספר לפיו.

גישה למאמרים דרך דף מאגרי המידע

גישה למאמרים שונה מגישה לספרים. באתר הספרייה קיים דף נפרד הנקרא מאגרי מידע. המאגרים מסודרים לפי א-ב, וחלקם חינמיים וחלקם מחייבים מנוי מוסדי.

PubMed הוא מאגר ביבליוגרפי רפואי מרכזי. הכניסה אל PubMed דרך הקישור הקיים בדף מאגרי המידע של הפקולטה (ולא ישירות מגוגל) היא קריטית - קישור זה כולל אישור גישה אוטומטי שמאפשר לצפות בטקסט המלא (Full Text) של מאמרים עליהם לבר-אילן יש מנוי. כשנכנסים ישירות לאתר PubMed ללא הקישור המוסדי, לא תוצג אפשרות הגישה לטקסט המלא.

בגישה דרך הקישור המוסדי, כשנלחצת תוצאת חיפוש, מופיע כלי מקשר ביניים (link resolver) המציג את אפשרויות הגישה לטקסט המלא הזמינות לבר-אילן. לחיצה עליו מובילה למאמר עצמו, לאחר שלב הזדהות אחד עם פרטי הסטודנט/הסגל.

חלק ב׳: הערכת כתבי עת - Journal Citation Reports (JCR)

מדוע להעריך כתב עת?

כאשר מאמר מתפרסם בכתב עת איכותי, יש בסיס להניח שגם המאמרים שהתפרסמו בו עברו סינון מחמיר ומחבריהם הם אנשי מקצוע רציניים. זה כלל אצבע שיש בו חריגים, אך הוא נקודת מוצא עקבית.

הכלי: Journal Citation Reports (JCR)

JCR הוא הכלי הרשמי והמקצועי היחיד להערכת כתבי עת. הוא אינו חינמי, ומנוי אליו הוא הוצאה מרכזית של כל ספרייה אקדמית. כל מספר שמופיע באינטרנט באופן חינמי - אינו מהימן לצורכי הערכה אקדמית רשמית. גישה ל־JCR היא דרך דף מאגרי המידע, תחת General and Reference Databases.

ISSN - מזהה ייחודי של כתב עת

לכל כתב עת יש ISSN (International Standard Serial Number) - מספר ייחודי שמשמש כתעודת זהותו. כשחיפוש לפי שם כתב העת אינו עובד (שגיאת כתיב, אותיות קטנות/גדולות), חיפוש לפי ISSN תמיד יניב תוצאה. זה תקף כמעט בכל מאגר חיפוש.

Impact Factor (גורם ההשפעה) - הגדרה וחישוב

ה־Impact Factor (IF) הוא המדד העיקרי שמופיע ב־JCR לצורך הערכת כתב עת. הוא מחושב כשבר:

  • המונה: סך כל הציטוטים שקיבלו מאמרים שהתפרסמו בכתב העת בשנתיים מסוימות (לדוגמה: 2021 ו־2022).
  • המכנה: מספר המאמרים שהתפרסמו בכתב העת בשתי שנים אלה.

כלומר, ה־IF שווה למספר הציטוטים הממוצע שמקבל מאמר שפורסם בכתב העת.

דוגמה מתוך השיעור: ה־New England Journal of Medicine הציג IF של 96.3 (נתוני 2023). במצגת הוסבר שנתוני האימפקט פקטור מחושבים שנתיים אחורה ומתפרסמים בפיגור - בסביבת יוני 2025 יתפרסמו נתוני JCR 2024.

חשיבות מגמה רב־שנתית: ב־JCR מוצגים נתוני IF על פני 5 שנים לאחור. זה מאפשר להבין אם שנה ספציפית הייתה חריגה לטובה או לרעה, ולהעריך את כתב העת לאורך זמן ולא רק בנקודת זמן אחת.

נתון נוסף - פרוקסי לשנה קרובה יותר: קיים נתון שמתבסס על שנה אחת אחורה בלבד (טרם הבשלת ה־IF הרשמי). הוא אינו נתון סופי אלא אינדיקציה ראשונית בלבד.

ציטוטים: מה הם ולמה הם חשובים?

כאשר מאמר מתפרסם ומאמר אחר מפנה אליו בביבליוגרפיה שלו - זהו ציטוט. ככל שיש למאמר יותר ציטוטים, כך הוא משמעותי יותר בשיח המדעי.

דירוג רבעוני (Quartile) - ה־Q

ה־IF לבדו אינו מספר שמשמעו מובנת מאליה. ה־rank הוא זה שנותן לו משמעות. ב־JCR כל כתב עת שייך לאחת מקטגוריות הנושא שלו, ובתוך כל קטגוריה כתבי העת מדורגים מהגבוה לנמוך לפי ה־IF שלהם, ואז מחולקים לארבעה רבעונים שווים:

  • Q1 - ה־25% העליונים בקטגוריה
  • Q2 - 25%-50%
  • Q3 - 50%-75%
  • Q4 - 25% התחתונים

כתב עת ב־Q1 נחשב כתב עת מכובד ומשמעותי - גם אם ה־IF המוחלט שלו אינו גבוה - כל עוד הוא בראש הקטגוריה שלו.

דוגמה מפתיחה מהשיעור: ה־New England Journal of Medicine נמצא במקום 2 (!) מתוך 329 כתבי עת בקטגוריה Medicine: General and Internal. לעומתו, כתב עת בקטגוריה Medical Ethics עם IF של 4.033 עשוי להיות במקום 1 מבין 23 כתבי עת בלבד - IF נמוך בהחלט ביחס ל־NEJM, אך מוביל בתחומו.

הכלל: לא ניתן להשוות IF בין קטגוריות שונות. תחומים שונים מצטטים בתדירות שונה. ה־IF רלוונטי רק ביחס לקטגוריה.

כיצד מאתרים קטגוריות ב־JCR?

ב־JCR ניתן לגלוש לפי תחומי מחקר גדולים (disciplines) ואז לתוך קטגוריות. לדוגמה, בתחום הרפואה קיימות 59 קטגוריות. ניתן ללחוץ על מספר הקטגוריות ולהציג את כולן לפי א-ב, ואז לבחור בקטגוריה הרלוונטית ולראות את כל כתבי העת בה מדורגים לפי IF.

כתב עת הנמצא בכמה קטגוריות

כתב עת יכול להשתייך לכמה קטגוריות בו־זמנית. ה־IF שלו אחד, אך הדירוג (ה־Q) עשוי להיות שונה בכל קטגוריה. בפועל, ההבדלים בין Q2 ל־Q3 נדירים, אך יכולים להתקיים. כשמגישים קורות חיים לקידום אקדמי - נהוג ולגיטימי להציג את הדירוג הגבוה ביותר שהכתב מקבל בקטגוריה הרלוונטית ביותר למחקר שלך.

חלק ג׳: מודלי פרסום - מהמנוי המסורתי ועד כתבי העת הטורפים

המודל הקלאסי (Subscription-Based)

במודל הקלאסי, זכויות היוצרים שייכות לכתב העת, לא למחבר. המחבר מוסר את מאמרו בתמורה ליוקרה - לא לכסף. כתב העת מוכר מנויים לספריות ולמוסדות, ויש כאן מעגל כלכלי: כתב עת בעל IF גבוה מושך מחברים רציניים, שמאמריהם מצוטטים רבות, מה שמעלה את ה־IF, מה שמגדיל את ביקוש המנויים - ולאלה אין תקרה. רכישת מנויים לכתבי עת מהווה חלק עצום מתקציב הספריות האקדמיות.

Open Access פרסום

תנועת ה־Open Access קמה לפני כשלושה עשורים מתוך עיקרון: המדע הוא נחלת כולם. חוקר מוכשר בטנזניה לא אמור להיות חסום מגישה לידע בגלל מחסור במנויים. בגישה זו - כל מאמר פתוח לקריאה חינמית.

הבעיה: מי מממן? התשובה במודל זה היא לרוב המחבר - הוא משלם דמי פרסום (Article Processing Charges - APCs). זה מגביל חוקרים ממדינות מתפתחות, וביקורת כלפי איכות החומר הייתה משמעותית בראשית התנועה. עם זאת, בשנים האחרונות קמו כתבי עת איכותיים בגישת Open Access עם Peer Review אמיתי, ומוסדות אקדמיים רבים מסבסדים פרסום Open Access לחוקריהם.

Hybrid Open Access

מודל ביניים: כתב העת הקלאסי מאפשר לחוקרים לבחור לפרסם מאמרים ספציפיים כ־Open Access (בתשלום) בתוך אותו כתב עת. כך לצד מאמרים מנויים קיימים מאמרים פתוחים לכל.

כתבי עת טורפים (Predatory Journals)

כתבי עת טורפים הם מתחזים: הם מלאים לכאורה אחר הפורמט של כתב עת לגיטימי, גובים מחברים דמי פרסום, אך אינם מספקים שירותי Peer Review אמיתיים, לא ביקורת עמיתים, ולא עריכה מקצועית. הם יודעים לעצב אתרים מתוחכמים הדומים מאוד לאתרים של כתבי עת מכובדים, ומפרסמים נתוני IF שאינם אמיתיים.

כיצד הם מגיעים אל חוקרים? עורכי כתבי טורפים שולחים מיילים מחניפים לחוקרים, מפארים את מחקרם ומציעים פרסום מהיר.

הסיפור מתוך השיעור: שני מדענים ממדעי המחשב מאוניברסיטה אוסטרלית (UCLA?) קיבלו מיילים חוזרים ונשנים מ־International Journal of Advanced Computer Technology - כתב עת שהסתבר כטורף. הם כתבו מאמר שכותרתו באנגלית הייתה “Get Me Off Your Fucking Mailing List”, שתוכנו היה גרפים ורשימות של המשפט “get me off your fucking mailing list” בלבד, ושלחו אותו. לאחר כמה שבועות קיבלו תשובה שהמאמר התקבל לפרסום, בכפוף לעריכה קלה, ובתמורה ל־150 דולר. כאשר לא שולם - הפרסום לא יצא לפועל. הסיפור תועד בכתבה ב־The Guardian. מדגים עד אבסורד שכתבי טורפים אינם קוראים את התכנים שנשלחים אליהם.

ההשלכה: מי שמתברר כי פרסם בכתב עת טורף - קלון אקדמי חמור עליו. האחריות לבדיקה מוטלת על המחבר.

כיצד לאמת? קיים מאגר בשם Cabells (שקם על בסיס “הרשימה השחורה” של ספרן בשם Jeffrey Beall שיצר רשימה כזו ועמד בלחצים קשים בשל כך) - מאגר שבו ניתן להכניס שם של כתב עת ולקבל אינדיקציה האם הוא חשוד כטורף, כולל פירוט הקריטריונים שבהם נכשל.

חלק ד׳: מקרה בוחן - מאמר ויקפילד ב־Lancet

הדגמה מתוך השיעור: The Lancet הוא מכתבי העת האקדמיים הוותיקים והמובילים בעולם, והיה ראשון או שני בקטגוריית Medicine: General and Internal.

בשנת 1998 פורסם ב־The Lancet מאמר מאת 13 חוקרים, שהחוקר הראשי ביניהם נקרא Wakefield, שבדק את הקשר בין חיסונים לאוטיזם. מחקרם תיאר 12 ילדים בגילאים 3–10 שקיבלו חיסון MMR (חיסון משולש נגד חזרת, אדמת וחצבת), ולאחריו פיתחו לכאורה דלקת במעיים. המעי הפך חדיר לפפטידים, אלה הגיעו למוח - ולטענתם, כתוצאה מכך פיתחו הילדים אוטיזם.

כשלים מתודולוגיים שעלו בשיעור:

  • מדגם קטן ביותר - 12 ילדים בלבד.
  • אין קבוצת ביקורת (control group).
  • לפי תיקון שעלה מהכיתה: לא לקחו ילדים בריאים ועקבו אחריהם לאחר חיסון. לקחו ילדים שכבר היה להם פרופיל של ספקטרום אוטיזם, ואז שאלו את הוריהם רטרואקטיבית על החיסון.
  • הערכות נוירו־פסיכולוגיות לא בוצעו בצורה עיוורת (blind).

מה קרה לאחר הפרסום: מתנגדי חיסונים הסתמכו על המאמר כהוכחה לטענותיהם. ניסיונות שחזור לא הצליחו לקבל תוצאות דומות. לאחר כמה שנים, התברר כי בית החולים שהחוקרים שייכים אליו קיבל מימון מחברת תרופות שפעלה כנגד יצרני החיסון, ו־Wakefield עצמו קיבל מענק של מאות אלפי פאונד. החוקרים האחרים משכו את ידם מהמאמר. Wakefield נשפט בהליך פלילי והמאמר נשלף (retracted) מ־The Lancet כ־12 שנה לאחר פרסומו.

מה רואים כיום: כשמחפשים את המאמר ב־PubMed, מופיע עליו הכיתוב RETRACTION - כלומר המאמר אינו תקף עוד. מחקרים שציטטו אותו לפני הגילוי קיבלו אותו בהבנה; מרגע שהדבר התגלה - אין לעשות בו שימוש.

עקרון רחב יותר: קיים אינטרס מדעי עולמי לחזור על ניסויים ולאמת אותם. כדי שמחקר יהיה תקף, יש צורך שיהיה ניתן לשחזור (reproducibility). מחקרים שמסתמכים על ממצאים שגויים מבזבזים משאבים עצומים, ולכן יש אינטרס לאתר ולפסול מחקרים בעייתיים מוקדם.

חלק ה׳: הערכת מחברים - H-Index ומדדים נוספים

Web of Science (WoS)

ה־Web of Science (WoS) הוא מאגר של Clarivate - אותו גוף שמפעיל גם את ה־JCR. הגישה אליו דרך אותו פרופיל אחד. WoS מאפשר חיפוש מאמרים לפי נושא, אך גם מאפשר הפקת דוח ביצועים של מחבר (Citation Report).

הדגמה מתוך השיעור: פרופסור עומרי קורן, מרצה בפקולטה, מוצג כדוגמה. נתוניו ב־WoS: 165 מאמרים, מהם 16 Highly Cited Papers (מאמרים עם ציטוטים בולטים במיוחד). גרף הציטוטים שלו עולה ממשנת 2006.

H-Index - הגדרה ודוגמה

ה־H-Index הוא המדד המספרי שמסכם את תפוקת המחקר של חוקר. הגדרה פורמלית: הערך המקסימלי H עבור מחבר מסוים, שבו יש לו לפחות H מאמרים עם לפחות H ציטוטים כל אחד.

דוגמה מהמצגת: חוקר שפרסם 7 מאמרים עם מספרי ציטוטים: 139, 85, 22, 15, 7, 5, 3.

  • יש לו 5 מאמרים עם לפחות 5 ציטוטים? כן (139, 85, 22, 15, 7).
  • יש לו 6 מאמרים עם לפחות 6 ציטוטים? לא (המאמר השישי יש לו רק 5).
  • לכן H-Index = 5.

H-Index של פרופסור עומרי קורן עמד על 55, כלומר יש לו לפחות 55 מאמרים שכל אחד מהם צוטט לפחות 55 פעמים.

ציטוט עצמי: ה־WoS מציג נתונים עם ובלי ציטוטים עצמיים. כשמגישים נתונים לקידום אקדמי, לעיתים נדרש לציין את החלוקה בין ציטוטים חיצוניים לציטוטים עצמיים.

ה־H-Index יחסי לתחום: ערך של 55 הוא משמעותי מאוד, אך ההשוואה תמיד היא בתוך תחום המחקר - תחומים עם שיעור פרסום גבוה יותר יניבים H-Index גבוהים יותר באופן מובנה.

Google Scholar

גם ב־Google Scholar ניתן לראות את ה־H-Index, אך Google Scholar תמיד מציג ערכים גבוהים יותר מ־WoS. הסיבה: Google Scholar סופר לעיתים כמה גרסאות של אותו מאמר (גרסאות שונות), מה שמנפח את הסטטיסטיקה שלו. הוא נותן אומדן טוב אך לא מדויק כמו WoS.

Google Scholar מציג גם מדד ייחודי לו: i10-Index - מספר המאמרים של המחבר שיש להם לפחות 10 ציטוטים.

חלק ו׳: מה לא לחפש בגוגל - יתרונות PubMed על פני מנועי חיפוש כלליים

הבעיה עם גוגל (וגוגל סקולר)

גוגל אינו מסנן תוכן. כל אחד יכול להעלות מאמר לאינטרנט ולהציגו כמאמר אקדמי. גם Google Scholar, שמתיימר לאסוף מאמרים אקדמיים, אינו עורך ביקורת עמיתים - כל אחד יכול לפרסם מאמר ולהצהיר שהוא פורסם בכתב עת. אין ב־Google Scholar בקרת איכות.

היתרון של PubMed

PubMed מכיל רק מאמרים שעברו Peer Review ושמישהו מוסמך הכניס לתוכו. הכניסה לפי שם מאמר אינה אוטומטית - יש הבדלה: מאמרים שאינם עומדים בקריטריונים לא יופיעו ב־PubMed. כשמוצאים מאמר בפאבמד, אפשר לסמוך שעבר לפחות סינון מסוים.

חלק ז׳: עצי מונחים ו־MeSH - חיפוש מקצועי ב־PubMed

עצי מונחים ומבנה היררכי

כל מאגר מידע מקצועי בנוי על עץ מונחים היררכי. המונחים קשורים זה לזה: מונחים רחבים בראש העץ, מונחים צרים יותר היורדים מהם. כל מאגר מידע משתמש בעץ המונחים שלו.

דוגמה מהשיעור: עץ פשוט בן ארבע רמות: Living Things → Plants/Animals → … → Gorilla/Bear. גורילה ודוב הם מונחים קרובים (באותה רמה היררכית).

MeSH - Medical Subject Headings

ה־MeSH (Medical Subject Headings) הוא עץ מונחי המפתח של PubMed. הוא מאגר בפני עצמו הנגיש מתוך PubMed. כאשר מאמר נקלט לפאבמד, מומחה קורא אותו ומקצה לו מונחי MeSH - תיוגים מדויקים המתארים את תוכנו. זוהי עבודה אנושית מקצועית, לא תיוג אוטומטי.

דוגמה מהשיעור - סטטינים: שם היום-יומי “סטטינים” (מורידי כולסטרול) נרשם ב־MeSH בשם מדעי שונה לחלוטין. אם מחפשים “statins” בשורת החיפוש הרגילה - עלולים להחמיץ מאמרים שבהם הנושא תויג במינוח ה־MeSH המקצועי. שימוש ב־MeSH מבטל בעיה זו.

Entry Terms: לכל מונח MeSH קיימות מילים נרדפות (Entry Terms) - דרכים שונות לכתוב את אותו מונח. כשמשתמשים במונח MeSH, המנוע אוטומטית מחפש גם את כל ה־Entry Terms.

אופרטורים בוליאניים (Boolean Operators)

אלה אופרטורים מתחום המתמטיקה שמשמשים לחיפוש מידע:

אופרטור פעולה דוגמה
AND מצמצם - מחפש תוצאות שמכילות את שני המונחים דובים AND הכחדה ← דובים בסכנת הכחדה
OR מרחיב - מחפש תוצאות שמכילות לפחות אחד מהמונחים דובים OR לוויתנים ← כל מאמרי הדובים + כל מאמרי הלוויתנים
NOT מוציא מהכלל - מחפש מונח ראשון ומוציא את השני דובים NOT טדי-בר ← רק על דובים חיים

חשוב: האופרטורים חייבים להיות באותיות גדולות ב־PubMed. כשכותבים מספר מילים ברצף ללא אופרטורים - המנוע מניח ביניהן AND אוטומטית.

מה לא לעשות: לא לזרוק את כל השאלה כמשפט לשורת החיפוש - המנוע של PubMed אינו מנוע AI, הוא אינו מבין פרזות. כשניסו זאת בשיעור קודם - קיבלו 6 מיליון תוצאות או שתיים, ואף אחד מהקצוות אינו שימושי.

כיצד מחפשים עם MeSH - רצף הפעולות

הדגמה מתוך השיעור: שאלת חיפוש: בקרה או מניעה של התפרצויות מגיפת חצבת בשנים האחרונות.

  1. נכנסים ל־MeSH (מאגר נפרד בתוך PubMed).
  2. מחפשים כל גורם בנפרד:
    • מחפשים: Disease Outbreaks - מוצאים את המונח. נכנסים פנימה ורואים: הגדרה (Scope Note), Entry Terms, ועץ MeSH עם מונחים מעליו (רחבים יותר) ומתחתיו (צרים יותר, כגון Epidemics).
    • בתוך מונח Disease Outbreaks קיים Sub-heading של Prevention & Control - מסמנים אותו.
    • לוחצים Add to Search Builder - השאלה נוצרת אוטומטית.
  3. חוזרים ומחפשים את הגורם השני: Measles - מוצאים 17 תוצאות המתייחסות לחצבת. בוחרים את מונח המחלה עצמו, ונכנסים אל ה־Sub-heading של Epidemiology.
  4. מוסיפים לבנאי החיפוש - כעת השאלה כוללת שני גורמים.
  5. עוברים ל־PubMed עם שאלת ה־MeSH המוכנה: תוצאה - 767 מאמרים, מהם 316 בעשר השנים האחרונות, וכמעט כולם רלוונטיים.
    • לשם השוואה: חיפוש ישיר של measles outbreaks prevention and control הניב כ־2,500 תוצאות בפחות דיוק.

גמישות בשימוש במונחים: המנוע עצמו גמיש. אם מקבלים יותר מדי תוצאות - ניתן לרדת בעץ לתת־מונח צר יותר (לדוגמה מ־Disease Outbreaks אל Epidemics). אם מקבלים פחות מדי - עולים לאב המונח הרחב יותר. זהו תהליך של ניסוי וטעייה - אין נוסחה אחת, וכל חיפוש הוא מצב שדורש שיפוט.

Major Topic ו־Do Not Explode (DNE)

שני פילטרים נוספים בחיפוש ב־MeSH:

  • Restrict to MeSH Major Topic: מצמצם לכך שהנושא שבחרתי הוא הנושא המרכזי של המאמר, לא רק ציון בדרך. שימוש ב־Major לשני מונחים בו־זמנית עלול להניב מעט מדי תוצאות.
  • Do Not Explode (DNE): כברירת מחדל, חיפוש לפי מונח MeSH כולל אוטומטית את כל המונחים הצרים ממנו בעץ. סימון DNE מונע את ההרחבה האוטומטית הזו - מחפש רק בדיוק את המונח שנבחר.

ה־PubMed מציע Advanced Search שבו מוצגת היסטוריית כל החיפושים שבוצעו בסשן. מכאן ניתן:

  • לשלב חיפושים שונים עם AND, OR, NOT בקלות.
  • לבנות שאלות מורכבות על ידי הוספת שורות.
  • לנהל “עולמות” (גורמים) בנפרד ואז לשלבם.

טכניקת העבודה המומלצת: לפצל את שאלת החיפוש לגורמים נפרדים, לחפש כל גורם בנפרד, ואז לשלבם ב־Advanced Search. כך מתאפשרת מניפולציה גמישה ומדויקת.

סינון לפי סוגי מאמרים (Article Type)

לאחר הרצת החיפוש ניתן לסנן לפי סוג מאמר:

  • Review: מאמר סקירה - סוקר ידע מצטבר בתחום. מתאים למי שרוצה להבין בגדול את הנושא: היסטוריה, טיפולים, גישות. זו נקודת כניסה טובה לנושא.
  • Systematic Review: סקירה שיטתית - מאמר שונה לחלוטין מ־Review. הוא מכיל מתודולוגיה מדויקת לאיסוף ראיות. אין ביניהם קשר מלבד השם.
  • Scoping Review: סוג של סקירה שיטתית שהפך אופנתי בשנים האחרונות.
  • Meta-Analysis: ניתוח כמותי משולב של מחקרים מרובים.

חלק ח׳: פירמידת הראיות (Evidence Pyramid)

פירמידת הראיות מדרגת את איכות המאמרים המחקריים:

  • ראש הפרמידה: Systematic Reviews ו־Meta-Analyses - הדרגה הגבוהה ביותר של ראיות.
  • בסיס הפרמידה: Expert Opinions, Case Studies - הדרגה הנמוכה ביותר.
  • הבהרה מתוך הדיון: Case Studies (מקרי בוחן) נמצאים מעל Expert Opinions, אך הם אינם Randomized Controlled Trials. Case Series (סדרת מקרים) הוא גבוה מ־Case Study יחיד.

הפרמידה אינה אומרת שמאמרים בדרגות נמוכות הם חסרי ערך - אלא שהם נושאים אי־ודאות גבוהה יותר ויש לקרוא אותם בהתאם.

חלק ט׳: כלי AI לרפואה

כלים, לא תחליף

AI הוא כלי שיש לו מקום - אך אינו ניתן לאמון מלא. כללי עבודה עם AI:

  • ככל שמפרטים יותר את מה שמצפים לקבל - התשובות יהיו איכותיות יותר.
  • אסור אף פעם לקבל ממנו מידע ללא ביקורת עצמאית ללא ביקורת עצמאית.
  • AI לא יודע להגיד “אני לא יודע” - הוא יכול להמציא הפניות שאינן קיימות.

אנקדוטה מתוך השיעור: סטודנט שפנה לספרייה עם רשימה של 150 “מאמרים” שה־AI ייצר עבורו - כשהספרנית בדקה אחד־אחד, התברר שאף מאמר לא היה ולא נברא. ה־AI שילב שמות כתבי עת אמיתיים, שמות מחברים אמיתיים, ונושאים אמיתיים - ויצר רשומות ביבליוגרפיות דמיוניות שנראות אמיתיות.

לפיכך: AI לא מתאים לחיפוש מאמרים. PubMed מתאים לחיפוש מאמרים.

Open Evidence

Open Evidence הוא אפליקציה רפואית מבוססת AI, הממומנת בחלקה על ידי קופות חולים עבור הרופאים שלהן. היא אינה ChatGPT כללי - היא מוכוונת לשאלות קליניות. OpenEvidence עובד עם ה־New England Journal of Medicine, כלומר האפליקציה משולבת עם כתב העת.

הדגמה מתוך השיעור: שאלה קלינית - האם טיפול ברימות (maggots) בפצעים כרוניים של חולי סוכרת עדיף על פני טיפול כירורגי? (רקע: חולי סוכרת קשים סובלים מבעיות זרימת דם, מה שגורם לפצעים שלא מחלימים; לפני הגעה לקטיעה ניתן לנסות “טיפול ביולוגי” בזחלים שאוכלים רקמה מתה.)

התשובה כוללת סיכום קצר והפניות למאמרים אמיתיים שניתן ללחוץ ולהגיע אליהם ב־PubMed, כולל Systematic Reviews.

מגבלה: אין הרבה אפשרויות סינון והרחבה.

Evidence Hunt

Evidence Hunt היא אפליקציה מתוחכמת יותר, המאפשרת:

  • סינון לפי סוגי מקורות (Total clinical/bio-med research, Guidelines בלבד וכד׳)
  • סינון לפי גודל מדגם
  • ניהול שיחה (Follow-up questions)

מגבלה: בגרסה החינמית קיימת מגבלת שאלות שבועית (המרצה ציינה כ־5 שאלות בשבוע).

עמדה: כלים אלה “נותנים כיוון טוב בהרבה מאשר סתם חיפוש ב־Chat GPT”, אך עדיין לא ניתן לסמוך עליהם במאה אחוז. יש לאמת מול המאמרים עצמם.

UpToDate - המאגר הקליני ליד מיטת החולה

מה זה UpToDate?

UpToDate הוא לא AI ולא מנוע חיפוש - הוא מאגר מידע קליני שנוצר ומתוחזק על ידי מומחים רפואיים בתחומים שונים, ומתעדכן ברמה יומיומית. הוא מוגדר כ”ליד מיטת החולה” - רופא שנתקל בבעיה שאינו מכיר היטב נכנס אליו.

מבנה הערכים: כל ערך מתחיל ב־Summary & Recommendations (סיכום והמלצות - לרוב זה מה שמעניין את הרופא), ואחריו מגיעים Introduction, Etiology, Classifications, ועוד.

כל הערכים מגובים במאמרים הנגישים מתוך הטקסט.

רישום והרשאות

UpToDate מופיע גם בדף מאגרי המידע של הפקולטה, אך גישה אליו שונה:

  1. בפעם הראשונה - חייבים להתחבר ממחשב של הפקולטה, לבצע Register (הרשמה) עם שם משתמש וסיסמה.
  2. לאחר הרישום - ניתן להוריד את האפליקציה לטלפון, טאבלט, מחשב, ולהתחבר מכל מקום.
  3. חידוש כל שלושה חודשים: המאגר דורש Log-in מחדש ממחשב של הפקולטה (לא Register - Log-in!) לחידוש ההרשאה.
  4. ההרשאה בתוקף עד סיום הלימודים; בהמשך תתחדש דרך בית החולים או קופת החולים.
דור פסקל
חזור לעמוד הכלים
חזור לעמוד הראשי