Tuttavia, affinché le conclusioni di una Umbrella Review siano clinicamente affidabili e utili per i processi decisionali, è fondamentale che lo studio sia condotto con il massimo rigore metodologico.
Una recente ricerca condotta da un team internazionale di ricercatori ha valutato approfonditamente lo stato dell'arte delle Umbrella Review pubblicate nell'ambito dell'odontoiatria pediatrica. La ricerca ha preso in esame le UR pubblicate in lingua inglese fino a gennaio 2025 focalizzate sulla salute orale di neonati, bambini e adolescenti fino ai 19 anni di età. Attraverso uno screening rigoroso dei principali database scientifici (PubMed, SCOPUS ed EBSCOhost), sono state incluse nell'analisi dettagliata 26 Umbrella Review pubblicate tra il 2021 e il 2025.
La qualità metodologica di ciascun lavoro è stata misurata utilizzando una checklist standardizzata, sviluppata integrando i criteri dello strumento AMSTAR-2 e delle linee guida Cochrane. Per garantire l'accuratezza della valutazione, i punteggi assegnati sono stati condivisi e validati con gli autori degli studi stessi.
Parallelamente, è stata eseguita un'analisi di regressione lineare multipla per verificare se fattori come l'H-index del corrispondente autore, l'anno di pubblicazione, il numero di autori, l'Impact Factor del JCR e la registrazione a priori del protocollo, potessero predire il livello qualitativo dello studio.
Dall'analisi dei dati sono emersi sia importanti punti di forza sia significative lacune metodologiche che meritano attenzione:
Il 100% delle Umbrella Review analizzate ha riportato in modo adeguato tre aspetti cruciali:
- L'esplicitazione dei criteri di eleggibilità per la selezione delle revisioni sistematiche.
- La descrizione dettagliata delle revisioni incluse (spesso sintetizzata in formato tabellare).
- L'utilizzo di uno strumento soddisfacente per la valutazione del rischio di bias (RoB) o della qualità metodologica dei lavori inclusi.
Nonostante i punti di forza, la maggior parte delle UR ha evidenziato difetti metodologici diffusi:
- Fonti di finanziamento non dichiarate: ben il 73,08% delle UR non ha riportato le fonti di finanziamento delle revisioni sistematiche incluse nel proprio lavoro. Questo aspetto è critico, poiché l'assenza di trasparenza sui finanziamenti (specialmente se di natura commerciale) rende impossibile valutare potenziali conflitti di interesse che potrebbero influenzare o sovrastimare l'efficacia dei trattamenti.
- Mancanza dell'elenco degli esclusi: solo il 42,31% degli studi ha fornito una lista completa dei lavori esclusi con le relative motivazioni, un passaggio fondamentale per permettere al lettore di verificare il rigore della selezione.
- Gestione della sovrapposizione dei dati: solo il 57,69% delle UR ha gestito correttamente il fenomeno dell'overlapping , ovvero la presenza degli stessi studi primari all'interno di più revisioni sistematiche analizzate. Se non controllata tramite metriche citazionali o metodi statistici specifici, la sovrapposizione rischia di "gonfiare" artificialmente l'efficacia o la validità di determinate conclusioni cliniche.
Un dato di estremo interesse per la comunità scientifica emerge dall'analisi dei fattori predittivi. Tra tutte le variabili esaminate (caratteristiche degli autori, trend temporali o l'Impact Factor della rivista), l'unico predittore significativo della qualità metodologica è risultato essere la registrazione a priori del protocollo di studio.
Le Umbrella Review che hanno stabilito e registrato formalmente i propri metodi prima dell'inizio della ricerca hanno ottenuto punteggi di qualità complessiva nettamente più elevati. Questo processo migliora la trasparenza, garantisce la coerenza metodologica e riduce il rischio di duplicazioni della ricerca. Ad oggi, l'81% delle UR incluse risultava registrato a priori, mentre il 19% ne era privo.
Per i professionisti della salute orale, l'evidenza basata sulla letteratura scientifica (Evidence-Based Dentistry) guida le scelte terapeutiche quotidiane sul paziente pediatrico. Sapere che le Umbrella Review in questo campo mostrano ancora una spiccata variabilità metodologica e carenze nella trasparenza (specialmente su conflitti di interesse e sovrapposizione dei dati) impone al clinico una lettura attenta e critica dei dati.
In prospettiva futura, gli autori evidenziano anche il potenziale trasformativo dell'Intelligenza Artificiale (IA) nell'ottimizzazione delle revisioni della letteratura (ricerca documentale, estrazione dati e sintesi). Tuttavia, i dati attuali confermano che l'IA non è ancora pienamente affidabile per l'estrazione di variabili complesse, rendendo il giudizio e l'input umano elementi ancora indispensabili per garantire l'accuratezza scientifica.
