Qual é o melhor assistente de AI para revisão de literatura para pesquisadores?

2026-08-28

Assistente de AI para revisão de literatura comparando síntese de revisão sistemática, triagem e elaboração de protocolos entre ferramentas de pesquisa

Como as ferramentas de AI para revisão de literatura se comparam em qualidade da síntese e produtividade da triagem?

Os melhores assistentes de AI para revisão de literatura em 2026 se dividem por uma linha prática: as plataformas de triagem e extração processam citações rapidamente, enquanto os agentes no estilo de metodologistas aprimoram a capacidade de a revisão responder à pergunta certa. O Assistente de Revisão de Literatura da Jenova foi desenvolvido para a segunda tarefa — seleção do tipo de revisão, elaboração do protocolo, estratégia de busca reprodutível, avaliação crítica e síntese, em vez de resumos artigo por artigo. O Elicit e o Rayyan se destacam na triagem em grande volume e na extração estruturada. O Covidence continua sendo um sistema de fluxo de trabalho em equipe para revisões sistemáticas. O Consensus funciona melhor como um retrato rápido das evidências do que como um mecanismo completo de revisão.

Principais fatores que diferenciam um suporte de AI útil para revisões de um chat acadêmico genérico:

✅ Adequação ao tipo de revisão — escolher entre síntese sistemática, de escopo, narrativa, integrativa, rápida ou qualitativa antes de iniciar a busca ✅ Rigor do protocolo — perguntas PICO/SPIDER/PCC, regras de elegibilidade e disciplina de relato segundo o PRISMA 2020 ✅ Busca reprodutível — strings booleanas, vocabulário controlado, literatura cinzenta e encadeamento de citações, não apenas uma lista de palavras-chave ✅ Síntese em vez de catalogação — temas, contradições, lacunas e certeza das evidências, em vez de resumos sequenciais ✅ Responsabilidade humana — AI como copiloto, com todas as ferramentas declaradas na seção de métodos, como enfatizam as orientações atuais sobre AI em revisões

Para comparar essas ferramentas de forma justa, é útil avaliar todo o ciclo de vida da revisão, e não apenas a velocidade da triagem.

Por que os pesquisadores estão adotando AI para revisões de literatura em 2026?

Os pesquisadores estão adotando AI porque o volume de literatura, os padrões de relato e as expectativas dos revisores aumentaram mais rapidamente do que o tempo disponível para pesquisa. Uma revisão sistemática é definida como uma tentativa de identificar, avaliar criticamente e sintetizar todas as evidências empíricas que atendem a critérios de elegibilidade pré-especificados — um processo lento mesmo quando a pergunta é restrita.

O PRISMA 2020 tornou mais rigorosa a forma como as revisões devem relatar buscas, triagem, vieses e síntese, incluindo um checklist com 27 itens e um diagrama de fluxo atualizado. Cada vez mais, periódicos e orientadores esperam o registro do protocolo, a triagem dupla e métodos de síntese explícitos — não um passeio narrativo por uma dúzia de artigos conhecidos.

A AI está entrando nesse fluxo de trabalho em gargalos específicos. Estudos sobre ferramentas de AI como segundos revisores relatam desempenho alto e semelhante ao humano na extração de dados referentes a variáveis padronizadas. Outros trabalhos consideram a AI promissora em revisões sistemáticas quando usada adequadamente, enquanto as avaliações de modelos de linguagem de grande porte ainda tratam a maior parte da pesquisa como testes para verificar se as ferramentas funcionam conforme planejado — e não como substitutas de metodologistas.

A mudança prática em 2026, portanto, não é «a AI escreve a revisão». É «a AI redige strings de busca, classifica registros, extrai campos e propõe temas, enquanto o pesquisador continua responsável pelas decisões de inclusão, pelos julgamentos de viés e pelo argumento».

O que você deve procurar em um assistente de AI para revisão de literatura?

Você deve procurar um assistente capaz de conduzir uma revisão desde a formulação da pergunta até uma seção de métodos pronta para ser relatada, e não apenas uma ferramenta que encontre artigos. O teste útil é verificar se a ferramenta reduz o resumo serial — listar o que cada estudo disse — e aumenta a síntese: onde os estudos concordam, onde entram em conflito e o que ainda não foi estudado.

Este artigo usa um Framework do Ciclo de Vida da Revisão com seis dimensões ponderadas:

Adequação ao tipo — A ferramenta ajuda você a escolher uma revisão sistemática, de escopo, narrativa ou outro desenho, em vez de presumir «sistemática»?
Rigor do protocolo — Ela consegue produzir critérios de elegibilidade, desfechos e um protocolo pronto para registro, alinhado ao PRISMA-P?
Reprodutibilidade da busca — Ela fornece strings específicas para cada base de dados, filtros e planos para literatura cinzenta que você possa executar novamente?
Profundidade da avaliação crítica — Ela relaciona o desenho do estudo a ferramentas como RoB 2, Newcastle-Ottawa, CASP, MMAT, AMSTAR 2 ou GRADE?
Qualidade da síntese — Ela organiza o conteúdo por tema, mecanismo ou população, em vez de seguir a ordem das citações?
Conformidade do relato — Você consegue documentar as contagens do PRISMA, os motivos de exclusão e as decisões de síntese de modo que um editor possa auditá-los?

A produtividade da triagem ainda é importante. O app de triagem para web e dispositivos móveis do Rayyan mostrou por que interfaces dedicadas são superiores a planilhas. O Covidence relata uma redução média de 35% no tempo gasto por revisão, economizando cerca de 71 horas. Esses ganhos são reais para a triagem de títulos e resumos. Eles não produzem automaticamente um mapa intelectual coerente do campo.

Um segundo critério é a abrangência disciplinar. Revisões biomédicas precisam de PubMed, Cochrane, Embase e registros de ensaios clínicos. A área de STEM precisa de IEEE, ACM, Scopus e arXiv. As ciências sociais e as humanidades precisam de ERIC, JSTOR, PsycINFO e lógicas de avaliação crítica diferentes. Ferramentas treinadas principalmente com resumos científicos podem atender de forma insuficiente à síntese de evidências qualitativas e às revisões críticas.

Um terceiro critério é a honestidade sobre o acesso. Muitas bases de dados de referência exigem licenças institucionais. Um assistente que elabora uma estratégia para Embase ou CINAHL que você pode executar por conta própria é mais confiável do que um que finge já ter pesquisado esses arquivos.

Como Jenova, Elicit, Rayyan, Covidence e Consensus se comparam para revisões acadêmicas?

Eles se comparam como produtos complementares, não como cópias: a Jenova é mais forte como metodologista multidisciplinar; o Elicit, como ambiente de trabalho científico centrado em extração; o Rayyan, como infraestrutura colaborativa de triagem; o Covidence, como sistema institucional de gestão de revisões sistemáticas; e o Consensus, como camada de busca rápida de evidências.

Recurso / Dimensão	Elicit	Assistente de Revisão de Literatura da Jenova	Rayyan	Covidence	Consensus
Tarefa principal	Pesquisar, triar, extrair e redigir relatórios de revisões sistemáticas	Escolha do tipo de revisão, protocolo, desenho da busca, avaliação crítica e redação da síntese	Deduplicação e triagem em grande escala	Gestão completa de revisões sistemáticas	Busca com AI em artigos revisados por pares
Cobertura de tipos de revisão	Ênfase em fluxos de trabalho de revisão sistemática	Revisão sistemática, meta-análise, revisão de escopo, narrativa, integrativa, rápida, guarda-chuva e síntese qualitativa	Triagem independente do tipo de revisão	Desenvolvido em torno de revisões sistemáticas	Não seleciona o tipo de revisão
Triagem	Até 40.000 artigos; revisão dupla com AI	Critérios, regras para casos limítrofes, acompanhamento do PRISMA; recomenda triadores dedicados	Produto principal; assistência de AI, uso móvel e amostragem em equipe	Títulos/resumos e texto completo; classificação de relevância por aprendizado de máquina	Não é um ambiente de trabalho de triagem
Síntese / redação	Relatórios sobre até 200 artigos com citações em nível de frase	Síntese temática, por framework, metaetnografia, SWiM e mapeamento de lacunas	Limitada	Tabelas de extração e risco de viés, não orientação argumentativa	Resumos de consenso em nível de artigo
Protocolo e relato	Decisões auditáveis segundo o PRISMA e diagramas de fluxo	PRISMA 2020, PRISMA-ScR, PROSPERO/OSF e revisão da busca orientada pelo PRESS	Diagramas PRISMA gerados automaticamente	Etapas estruturadas de revisão sistemática e acompanhamento do fluxo	Limitados
Preços (em 2026)	Basic gratuito; Pro US$ 49/mês; Scale US$ 169/mês	Plano gratuito com uso limitado; Plus US$ 20/mês (30× de uso); planos superiores disponíveis	Uso básico gratuito; Professional por cerca de US$ 100/ano	US$ 339/ano para uma revisão; US$ 907/ano para três	Plano gratuito com buscas Pro limitadas; Premium pago
Melhor para	Revisões sistemáticas biomédicas que dependem da extração de tabelas e figuras	Pesquisadores que precisam de orientação metodológica em várias disciplinas	Equipes sobrecarregadas com títulos e resumos	Laboratórios que precisam de um fluxo de trabalho de equipe auditável	Consultas rápidas do tipo «o que a literatura diz?»

Elicit

O Elicit é mais forte quando a tarefa é uma revisão sistemática científica com campos que podem ser extraídos. Ele pesquisa um corpus de cerca de 138 milhões de artigos, coleta ensaios do ClinicalTrials.gov e trata a extração de dados — incluindo tabelas e figuras — como um recurso principal. As decisões de triagem podem ser registradas com motivos de exclusão e citações de apoio, o que contribui para a auditabilidade segundo o PRISMA.

A limitação está no escopo e no custo. O plano Pro, de US$ 49 por mês, é voltado para fluxos de trabalho de revisão sistemática, e o produto é otimizado para literatura científica empírica mais do que para humanidades, revisões críticas voltadas à construção teórica ou revisões narrativas com finalidade didática. Ele acelera a extração; não substitui um metodologista capaz de dizer que o tipo de revisão está errado.

Assistente de Revisão de Literatura da Jenova

O Assistente de Revisão de Literatura da Jenova é mais forte quando o gargalo é a estrutura intelectual: qual tipo de revisão é adequado, como escrever um protocolo, como criar estratégias específicas para cada base de dados, qual ferramenta de avaliação crítica usar e como sintetizar em vez de apenas fazer anotações. Ele abrange revisões sistemáticas, meta-análises, revisões de escopo, revisões narrativas e integrativas, revisões rápidas e guarda-chuva e síntese de evidências qualitativas, com mapeamento de relatos para PRISMA, PRISMA-ScR, MOOSE, ENTREQ e SWiM.

Ele se calibra à etapa do pesquisador — planejamento, desenho da busca, triagem, avaliação crítica, extração, síntese, redação ou revisão — e sinaliza resumos seriais, ausência de literatura cinzenta e bases de evidências limitadas a uma única região geográfica. A memória persistente entre sessões ajuda a manter consistentes as regras de inclusão e os rótulos dos temas durante uma revisão de várias semanas.

As limitações honestas são importantes. A ferramenta não consegue fazer login em Embase, CINAHL, Scopus ou Web of Science; ela elabora estratégias executáveis para essas fontes. Não consegue abrir PDFs protegidos por paywall, a menos que você os envie. Não é uma interface de triagem duplo-cega como o Rayyan ou o Covidence e não executa estatísticas de meta-análise no estilo do RevMan nem envia alertas para revisões vivas.

Pesquisadores que realizam buscas intensivas de descoberta geralmente a combinam com o Assistente de Pesquisa Acadêmica da Jenova para recuperar literatura em bases de dados e gerenciar citações, ou com o Deep Research quando precisam de um relatório de panorama com citações, e não de uma revisão em conformidade com padrões.

Rayyan

O Rayyan é mais forte como infraestrutura de triagem. Ele se apresenta como uma plataforma de revisão com assistência de AI usada por mais de 1 milhão de pesquisadores em mais de 20.000 instituições, com deduplicação, triagem móvel e uso básico gratuito. Para uma equipe de estudantes que já tem um protocolo e uma exportação RIS, essa combinação é difícil de superar em termos de custo.

A limitação está antes e depois da triagem. O Rayyan não vai decidir que sua pergunta deveria ser uma revisão de escopo segundo a JBI em vez de uma revisão sistemática, nem vai redigir uma síntese temática ou tabelas de certeza GRADE. Ele é a esteira transportadora, não o arquiteto.

Covidence

O Covidence é mais forte para equipes coordenadas de revisão sistemática que precisam de triagem, análise do texto completo e avaliação de risco de viés em um só lugar. A empresa relata revisões mais rápidas e uma economia substancial de horas por projeto, e as licenças institucionais são comuns nas ciências da saúde.

A limitação está no preço e na flexibilidade. Uma única revisão por US$ 339 ao ano não é uma boa opção para um estudante de pós-graduação que esteja escrevendo um capítulo narrativo, e o produto pressupõe o formato de uma revisão sistemática. É um excelente software operacional. É menos eficaz como tutor para pesquisadores que ainda não sabem se deveriam realizar uma revisão sistemática.

Consensus

O Consensus é mais forte para uma pergunta empírica bem formulada — «X afeta Y?» — respondida com base em artigos revisados por pares, resumos e filtros de estudo. Uma avaliação de 2025 feita por pesquisadores descreve um plano gratuito com buscas Pro limitadas e um nível Premium pago. Isso o torna útil na etapa de orientação.

Ele não substitui o registro do protocolo, a triagem dupla ou a avaliação crítica. Trate-o como uma ferramenta de reconhecimento. Produtos de mapeamento de citações, como o Litmaps (planos a partir de cerca de US$ 10 por mês), desempenham um papel complementar semelhante: mostram como os artigos se conectam, não se seus critérios de elegibilidade são defensáveis.

Quando uma revisão sistemática é a escolha errada para um projeto com assistência de AI?

Uma revisão sistemática é a escolha errada quando a pergunta não pode ser respondida empiricamente, as evidências são heterogêneas demais para um único efeito ou o objetivo é mapear um campo, e não estimar o efeito de uma intervenção. Muitos revisores iniciantes pedem a uma ferramenta de AI que «faça uma revisão sistemática» porque a expressão transmite rigor. Os padrões metodológicos então penalizam esse desencontro.

Use uma revisão sistemática quando você tiver uma pergunta focada, critérios de elegibilidade pré-especificados e necessidade de evidências reprodutíveis — normalmente sobre eficácia, acurácia diagnóstica ou uma afirmação empírica igualmente delimitada. Combine-a com o relato PRISMA 2020 e, na área da saúde, considere o registro no PROSPERO.

Use uma revisão de escopo quando precisar de amplitude: o que foi estudado, com quais métodos e em quais populações. Siga a metodologia de revisão de escopo da JBI e o PRISMA-ScR, em vez de impor uma meta-análise a desenhos mistos.

Use uma revisão narrativa ou crítica quando a contribuição for conceitual — uma visão geral didática, um argumento teórico ou um questionamento de um framework. A transparência continua importante, mas a triagem dupla exaustiva frequentemente é um investimento inadequado.

Use a síntese de evidências qualitativas (síntese temática, síntese por framework ou metaetnografia) quando os dados forem temas e experiências, e não razões de chances. A linguagem de confiança é a do GRADE-CERQual, não a dos forest plots.

O Assistente de Revisão de Literatura da Jenova foi desenvolvido explicitamente para questionar incompatibilidades de tipo. As plataformas de triagem, em geral, não fazem isso. Essa diferença aparece mais tarde nos comentários dos revisores sobre desenhos inelegíveis, heterogeneidade não explicada ou uma seção de resultados que parece uma bibliografia anotada.

Como a AI deve ser usada na estratégia de busca, na triagem e na avaliação crítica?

A AI deve ser usada para redigir, testar sob estresse e documentar os métodos — depois, os seres humanos devem executar as decisões irreversíveis com uma trilha de auditoria. A busca, a triagem e a avaliação crítica falham de maneiras diferentes, portanto o papel do assistente muda em cada etapa.

Estratégia de busca. Comece por um framework: PICO ou PICOS para perguntas clínicas, SPIDER para trabalhos qualitativos e PCC para revisões de escopo. Uma saída de AI útil é um conjunto de strings reprodutíveis para cada base de dados — MeSH ou Emtree combinados com texto livre, aninhamento booleano, limites de data e filtros — além de um plano para literatura cinzenta (registros de ensaios clínicos, dissertações e relatórios de organizações). Os métodos suplementares também importam: encadeamento de citações para trás e para a frente, busca manual em periódicos importantes e revisão por pares da estratégia no estilo PRESS. Se a ferramenta não consegue distinguir entre «eu pesquisei no PubMed» e «aqui está uma string para Embase que você precisa executar», ela está ocultando um problema de validade.

Triagem. Faça um piloto dos critérios em uma amostra de registros antes de processar o conjunto completo. As revisões sistemáticas devem planejar a triagem independente dupla e uma regra para resolver divergências. A AI pode priorizar os estudos provavelmente incluídos e propor motivos de exclusão; os trabalhos publicados sobre AI como segundo revisor são mais promissores para extração padronizada do que para decisões de inclusão não supervisionadas. O Rayyan e o Covidence continuam sendo os ambientes de trabalho práticos para essa etapa. A Jenova é mais útil para redigir regras de decisão para casos ambíguos e manter coerentes as contagens do PRISMA.

Avaliação crítica. Relacione a ferramenta ao desenho: RoB 2 para ensaios randomizados, Newcastle-Ottawa ou checklists da JBI para estudos observacionais, CASP ou JBI QARI para trabalhos qualitativos, MMAT para métodos mistos, QUADAS-2 para acurácia diagnóstica, AMSTAR 2 para revisões incluídas e GRADE para a certeza. As ferramentas de avaliação crítica da JBI são um conjunto público de referência. A AI pode aplicar um checklist de modo consistente; não deve transformar estudos fracos em evidências fortes para manter a narrativa organizada.

Em todas as três etapas, as seções de métodos devem identificar todas as ferramentas de AI utilizadas. O ocultamento agora é uma falha de relato, não um atalho.

Como fazer uma revisão completa da literatura com um metodologista de AI?

Faça isso como um protocolo em etapas, e não como um único prompt que peça «uma revisão de literatura com 50 citações». A sequência é a mesma, quer você trabalhe no Jenova, no Elicit ou em uma combinação híbrida com Rayyan ou Covidence: defina a pergunta e o tipo, registre ou pelo menos coloque uma data e hora no protocolo, pesquise, faça a triagem, avalie criticamente, extraia, sintetize e então redija de acordo com a diretriz de relato.

Para o Assistente de Revisão de Literatura da Jenova, um início típico leva alguns minutos:

Abra o agente em jenova.ai/a/literature-review-assistant.
Informe a disciplina, o periódico-alvo, o prazo e a etapa atual — não apenas o tema.
Cole uma pergunta inicial e pergunte qual tipo de revisão é mais adequado.

Um bom início seria:

«Saúde pública, pesquisador em atividade, APA 7ª edição. Quero revisar intervenções contra a ansiedade realizadas em escolas para pessoas de 12 a 18 anos, visando submeter um artigo a um periódico dentro de seis meses. Presumi que deveria ser uma revisão sistemática com meta-análise. Questione essa escolha se a literatura for heterogênea demais; depois, elabore o PICO, os critérios de elegibilidade e um esboço de protocolo pronto para o PROSPERO.»

Faça iterações até que os critérios de inclusão e os desfechos estejam estáveis. Em seguida, solicite strings de busca específicas para cada base de dados e uma lista de literatura cinzenta, separando claramente as buscas que o agente pode realizar das estratégias que você precisa executar em plataformas licenciadas.
Depois que os resultados estiverem disponíveis, use o agente para testar as regras de triagem em um piloto, criar uma tabela de extração, escolher instrumentos de avaliação crítica e reorganizar anotações que estejam estruturadas como resumos artigo por artigo em temas.
Na redação, peça que ele verifique os itens do PRISMA, as afirmações sobre lacunas e se cada parágrafo sintetiza vários estudos.

No Elicit, o fluxo de trabalho do fornecedor consiste em aperfeiçoar o protocolo, reunir fontes (incluindo PubMed e registros de ensaios clínicos), fazer a triagem, realizar a extração e produzir um relatório sintetizado com elementos de diagrama de fluxo — melhor quando as variáveis já estão organizadas em tabelas. No Rayyan, importe o arquivo RIS, faça a deduplicação, convide um segundo revisor e mantenha a Jenova ou um documento de protocolo como camada metodológica acima da interface de triagem.

Agentes adjacentes da Jenova se encaixam naturalmente nesse ciclo. O Assistente de Pesquisa Acadêmica ajuda a localizar artigos e gerenciar citações quando a tarefa é de descoberta. O Deep Research é melhor para um briefing único e repleto de citações que não reivindica completude segundo o PRISMA. O Redator de Propostas de Pesquisa se torna relevante quando a revisão identifica uma lacuna que pode fundamentar um projeto financiável.

O que os metodologistas de pesquisa dizem sobre AI na síntese de evidências?

Os metodologistas de pesquisa geralmente tratam a AI como uma forma de reduzir a carga de trabalho na triagem e na extração, e não como autora das afirmações da revisão. O consenso nas avaliações recentes é condicional: ela é útil quando as tarefas são estruturadas, declaradas e verificadas; é arriscada quando o modelo inventa citações, oculta incertezas ou permite que os pesquisadores ignorem o raciocínio sobre o protocolo.

«O modo de falha que vemos com mais frequência não é uma triagem lenta. É uma revisão bem elaborada do tipo errado. Os pesquisadores pedem uma revisão sistemática porque o rótulo parece rigoroso e depois descobrem que os estudos não podem ser combinados, que as definições dos desfechos não correspondem e que a contribuição mais interessante sempre foi uma revisão de escopo ou integrativa. Um assistente que não consegue convencê-lo a abandonar o desenho errado apenas ajudará você a terminar um artigo mais fraco com mais rapidez.»

«A síntese é a habilidade escassa. Listar doze resumos em ordem cronológica não é uma revisão de literatura. O trabalho consiste em dizer onde as evidências convergem, por que dois ensaios de alta qualidade discordam, quais populações nunca aparecem e quão confiável qualquer pessoa deveria considerar a evidência. As ferramentas que extraem campos de PDFs são valiosas; elas ainda precisam de uma camada metodológica que organize o conteúdo por mecanismo, e não por nome de arquivo.»

«Manter uma pessoa no circuito não é apenas um slogan. Se a AI classifica resumos ou preenche células de extração, a seção de métodos deve identificar a ferramenta, a versão, os prompts ou configurações e o que foi verificado por uma pessoa. Os editores estão avançando nessa direção, e inventar DOIs para preencher uma lista de referências continua sendo má conduta, mesmo quando a prosa parece fluente.»

— Equipe de Produto da Jenova, design de agentes de AI para metodologia de pesquisa

Essa posição está alinhada à base de evidências mais ampla: a AI pode apoiar a produção de revisões sistemáticas, especialmente em tarefas estruturadas e repetitivas, enquanto a responsabilidade pela síntese continua sendo do sintetizador de evidências.

Quais limitações você deve esperar dos assistentes de AI para revisão de literatura?

Você deve esperar limitações no acesso a bases de dados licenciadas, em textos completos protegidos por paywall, na computação estatística e no julgamento não supervisionado — mesmo em produtos que, de resto, sejam fortes. Tratar essas limitações como casos excepcionais é como as revisões se tornam irreprodutíveis.

O Assistente de Revisão de Literatura da Jenova não consegue executar buscas dentro de bases de dados por assinatura, como Embase, CINAHL, Scopus ou Web of Science; ele só consegue elaborar a estratégia. Não pode garantir acesso a PDFs protegidos por paywall, executar alertas de revisão viva nem produzir forest plots prontos para publicação. Tabelas de extração muito extensas e manuscritos completos talvez precisem ser elaborados seção por seção. Essas restrições são operacionais, não meramente cosméticas.

A força de extração do Elicit é limitada pela cobertura do corpus, pela disponibilidade do texto completo e pela janela de síntese de 200 artigos descrita em seu fluxo de trabalho de revisão sistemática. O plano gratuito do Rayyan e sua velocidade de triagem não criam um protocolo de busca. A trilha de auditoria do Covidence não ensina GRADE. Os resumos do Consensus não substituem a triagem dupla.

Riscos compartilhados se aplicam a todos os assistentes. Os modelos podem deixar passar sinônimos que um tesauro identificaria. Podem dar peso excessivo a estudos em inglês, positivos ou fáceis de coletar. Podem suavizar contradições até criar um falso consenso. Podem gerar artigos plausíveis, mas inexistentes — um erro fatal em uma revisão. A verificação humana de todas as citações incluídas continua sendo inegociável.

A arquitetura prática em 2026 é, portanto, híbrida: um agente metodologista para tipo, protocolo, avaliação crítica e síntese; uma plataforma de triagem quando a lista de resultados é grande; uma ferramenta de extração quando os desfechos estão em tabelas; e o pesquisador como autor responsável. Essa combinação é menos glamorosa do que uma revisão feita com um clique. É a versão que sobrevive à revisão por pares.