Cikkek keresése
A környezeti bizonyítékokkal foglalkozó együttműködés által kiadott Guidelines for systematic reviews in environmental management V.5.0 . A protokollt kiegészítettük egy ROSES űrlappal is (Additional file 1) . Átfogó keresési stratégiát fogunk alkalmazni, és a releváns szakirodalmat a bibliográfiai adatbázisok változatos és széles skáláján keressük.
-
CABI erdészeti tudományos adatbázis (http://www.cabi.org/forestscience/).
-
Directory of Open Access Journals (https://doaj.org/).
-
OpenGrey (http://www.opengrey.eu).
-
PQDT Open (https://pqdtopen.proquest.com/).
-
Scopus (https://www.scopus.com/).
-
Web of Science Core Collection (http://apps.webofknowledge.com).
-
Zenodo (https://zenodo.org).
A cikkeket két keresőmotor, a Google Scholar (https://scholar.google.com) és a BASE (https://www.base-search.net) segítségével is megkeressük. Továbbá cikkeket fogunk keresni egy szakosodott weboldalon, az U.S. Forest Service (https://www.fs.usda.gov) weboldalán.
A szűkítő munka során kiderült, hogy viszonylag kevés tanulmányt lehet találni, ha a vizsgálati kérdés összetevőihez kapcsolódó specifikus kifejezéseket használunk. Ez inkább a kutatók következetlen szóhasználatából eredt a CCF és a kapcsolódó fakitermelési módszerek leírásakor, mint a releváns szakirodalom hiányából. Ez a probléma valószínűleg azt okozta, hogy a kutatók és más érdekelt felek alábecsülték a témában végzett kutatások mennyiségét. Ezért szisztematikus keresést végeztünk a CCF-hez és a kapcsolódó betakarítási módszerekhez kapcsolódó kifejezések között. Szisztematikusan kivontuk az összes releváns kifejezést, amelyet a terminológiát áttekintő tanulmányokban használtak . Ez 64 egyedi kifejezést eredményezett (Additional file 2). E kifejezések többsége több szóból állt, az első szó a vágás vagy a kezelés típusát jelzi, az utolsó szó pedig azt, hogy az erdészetre vonatkozik (pl. szelektív vágás, szelektív betakarítás, szelektív fakitermelés stb.). A keresési karakterlánc lerövidítése és egyszerűsítése érdekében egyenként teszteltük a különböző kifejezéseket, és eltávolítottuk azokat a kifejezéseket, amelyek nem adtak további eredményeket. Egyes általános kifejezések (pl. alternatív gazdálkodás, természetorientált, ökoszisztéma-gazdálkodás stb.) nagyszámú olyan cikket eredményeztek, amelyek nem kapcsolódnak a tárgyalt témához. Ezeket a kifejezéseket kiegészítettük erdőgazdálkodási specifikus kifejezésekkel (pl. alternatív erdőgazdálkodás, alternatív fakitermelés stb.), hogy biztosítsuk, hogy a releváns szakirodalmat nem zártuk ki. Ez összesen 78 kifejezést eredményezett a beavatkozáshoz. Ugyanezen okból a keresést a Web of Science (WoS) erdészeti vonatkozású témakategóriáira és a Scopus kutatási területeire korlátoztuk (1. táblázat). Ezeket a kifejezéseket ezután kiegészítjük az összehasonlító tényezőre, azaz a tarvágásra vonatkozó kifejezésekkel.
Nem korlátozzuk a keresést a boreális vagy mérsékelt égövi erdőkre (populáció), hogy a releváns tanulmányokat ne zárjuk ki. Szintén nem korlátozzuk a keresést a biológiai sokféleséggel kapcsolatos tanulmányokra (eredmény), mivel nagyon nehéz egy mindenre kiterjedő biológiai sokféleségre vonatkozó keresőszálat létrehozni. Ez a megközelítés növeli a munkaterhet, de maximalizálja annak esélyét, hogy megtaláljuk az összes releváns biodiverzitással kapcsolatos tanulmányt. A címekben, összefoglalókban és kulcsszavakban fogunk keresni. A szűrés után az újonnan felfedezett kifejezésekkel újabb keresést végzünk. A keresés teljességének értékeléséhez a következő cikkeket fogjuk viszonyítási alapként használni: . A következő keresőszót használjuk:
(((forest* OR timber* OR tree* OR wood*) AND
(“aggregat* cut*” OR “aggregat* harvest*” OR “aggregat* fakitermelés*” OR “alternatív* vágás*” OR “alternatív* kivágás*” OR “alternatív* kitermelés*” OR “alternatív* erdőművelés*” VAGY “alternatív* erdőirtás* alternatív* kivágás*” VAGY “alternatív* fakivágás*” VAGY “alternatív* egyenletes öregedés*” VAGY “vissza* a természethez*” VAGY “sakk*”VAGY “közel* a természethez*” VAGY “józan* ész*” VAGY “folyamatos* borítás*” VAGY “folyamatos* erdő*” VAGY “tartós erdő*” VAGY “sokféleség*orientált*” OR “öko-erdészet*” OR “ökológiai* erdőgazdálkodás*” OR “ökológiai* erdőgazdálkodás*” OR “ökológiai* erdőművelés*” VAGY “ökoszisztéma*kezelés*” OR “gap* cut*” OR “gap* fell*” OR “gap* harvest*” OR “gap* manag*” OR “gap* select*” VAGY “gap* silvicultur*” OR “holistic*” VAGY “szabálytalan* struktúra*” VAGY “szabálytalan*” VAGY “J alak*” VAGY “alacsony* hatás*” VAGY “multi* age*” VAGY “multi age*” VAGY “multi* cohort*” VAGY “multikohort*” VAGY “multi* cél*” VAGY “többcélú*” VAGY “természetes* zavar* bázis*” VAGY “természeti* bázis*” VAGY “természeti* orientáció*” VAGY “természetközeli* természetes*” VAGY “új* erdészet*” VAGY “új* perspektíva*” VAGY “részleges* vágás*” VAGY “részleges* kitermelés*” VAGY “foltkivágás*” VAGY “foltkivágás*” OR “patch* harvest*” VAGY “folt* fakitermelés*” VAGY “állandó* erdő*” VAGY “plenter*” VAGY “policiklusos*” VAGY “pozitív* hatás*” VAGY “csökkentett* hatás*” VAGY “helyreállító* erdő*” VAGY “szelektív* vágás*” VAGY “szelektív* kivágás*” VAGY “select* harvest*” OR “select* logging*” OR “select* manag*” VAGY “select* silvicultur*” VAGY “egyetlen* fa*” VAGY “állományszabályozás*” VAGY “csík*” VAGY “fenntartható* erdőgazdálkodás*” VAGY “rendszerszerű* erdőgazdálkodás*” VAGY “szisztematikus*” VAGY “célátmérő*” VAGY “egyenetlen* életkor*” VAGY “egyenetlen* méret*” VAGY “alacsony* hatás*” VAGY “józan* ész*” VAGY “szétszórt* vágás*” VAGY “szétszórt* esés*” OR “dispers* harvest*” OR “dispers* silvicultur*”) AND
(“even age*” OR “tisztítóvágás*” OR “clear* cut*” OR “clear* fell*” OR “clearfell*” OR “ültetett* erdő*” OR “plantation*” OR “monoculture*”)))
Ez a keresési karakterlánc a WoS és a Scopus számára van formázva. A WoS-ban való használathoz “TS =”, a Scopusban pedig “TITLE-ABS-KEY” kerül a keresősztring elejére.
A WoS-tól és a Scopustól eltérő szolgáltatások funkcionalitása korlátozott (pl. keresősztring hossza, nincs hivatkozások exportálása). Ezért ezen egyéb szolgáltatások használatakor egyszerűsített keresési stratégiát fogunk alkalmazni. A CCF-hez kapcsolódó leggyakoribb és legrelevánsabb keresőkifejezéseket fogjuk használni (2A. táblázat). Minden egyes CCF kifejezéssel külön-külön fogunk keresni, vagy ha a Boolean operátorok használata lehetséges, akkor az összes releváns kifejezéssel kombináljuk a keresést (2A. és B. táblázat). Az egyes keresések során megadott első 200 cikket (lehetőség szerint relevancia szerint rendezve) átvizsgáljuk. Ezekre a kifejezésekre a címben, az összefoglalóban, a kulcsszavakban vagy a cikken belül bárhol keresni fogunk, a szolgáltatási lehetőségektől függően. E keresések részleteit, valamint a bibliográfiai adatbázisok, keresőmotorok és kifejezések esetleges módosításait vagy kiegészítését feljegyezzük. Az alkalmazott dokumentumtípus-korlátozásokat a felülvizsgálat során rögzítjük és jelentjük. A releváns áttekintések hivatkozási listáit és az összes szóba jöhető tanulmányt is szisztematikusan átvizsgálják.
Keresésfrissítés
Az adatok kezdeti kinyerése után, az adatok szintézise előtt a Web of Science és a Scopus adatbázisokban keresésfrissítést végeznek. Ez a keresés a kezdeti keresésből kiindulva lesz korlátozva. Az új cikkek szűrése és értékelése ugyanúgy történik, mint korábban.
A cikkek szűrése és a tanulmányok támogathatósági kritériumai
Szűrési folyamat
A keresések összes eredménye bekerül egy EndNote könyvtárba, és a duplikációkat eltávolítják. A tanulmányok szűrése először a cím értékelésével történik. Ha a cím azt jelzi, hogy potenciálisan releváns összehasonlításokat végeznek, a tanulmányt relevánsnak tekintik. Ha a cím nem ad egyértelmű választ, akkor az absztraktot vizsgálják meg a relevancia szempontjából. Minden olyan tanulmányt, amelynek címe vagy absztraktja arra utal, hogy releváns összehasonlítást lehetett volna végezni, teljes szöveges szűrésnek vetünk alá. Bizonytalanság esetén felvesszük a tanulmányt, és a teljes szöveg elolvasásával kritikusan értékeljük az alkalmasságot. Egy második bíráló az egyes szűrési szakaszokból származó tanulmányok egy részhalmazát egymástól függetlenül értékeli. Ha a tanulmányok relevanciájával kapcsolatban nézeteltérések merülnek fel, a konszenzusos döntés érdekében megbeszéléseket tartunk. Az elutasított tanulmányok listáját a teljes szöveges értékelésből való kizárás okaival együtt egy további fájlban adjuk meg.
Kiválasztási kritériumok
A szakmailag lektorált és szürke szakirodalmat egyaránt figyelembe vesszük. A bekerüléshez egy tanulmánynak a következő kritériumoknak kell megfelelnie:
Elszámolható populációk: A boreális és mérsékelt égövi vegetációs zónák erdei.
Támogatható beavatkozás: Olyan gazdálkodási rendszerek, amelyek mindig fenntartják a fásítást és részleges (szelektív) fakitermelést alkalmaznak a termőfák legalább két korosztályának fenntartása érdekében. A részleges fakitermelés két fő csoportra osztható: csoportos és egyfás fakitermelés. A csoportos fakitermelés, más néven hézagos fakitermelés vagy foltos fakitermelés olyan fakitermelési módszer, amelynél a fakivágás során kisebb vagy nagyobb facsoportokat vágnak ki. Az egyfa-kiválasztásos fakitermelés során a fákat egyenként választják ki a kivágásra, és kevésbé valószínű, hogy nagyobb lombkorona-nyílások keletkeznek. Mindkét kivágást a kívánatos korú/méretű állományszerkezet (azaz a “J” alakú átmérőgörbe a legtöbb kis fával és csökkenő számú nagy fával) elérésére vagy fenntartására használják.
A kitermelés akkor tekinthető részlegesnek, ha a fák > 30%-a (a bejelentett mérés alapján, pl. alapterület, térfogat, biomassza, lombkoronaszint, törzssűrűség) megmarad a termelői kitermelés után. Ez a küszöbérték szubjektív, de nem önkényes, mivel a szakirodalmi kutatásból származik, és a küszöbértéket kifejezetten a visszatartó erdőgazdálkodással szemben választották. A küszöbértéket szigorúan kell értelmezni. A visszatartó erdőgazdálkodás vagy a menedékfa kitermelése jellemzően a térfogat < 30%-át hagyja kitermeletlenül, és gyakran nem eredményez többkorú struktúrát az állomány fejlődése során. A visszatartó erdőgazdálkodásként vagy menedékfásításként leírt tanulmányokat is figyelembe vesszük, amennyiben a fák > 30%-át megtartják a kitermelés után, és legalább két korosztályt érnek el.
A CC-vel való összehasonlítást általában olyan állományok között kell elvégezni, amelyek már eleve egyenlőtlen korszerkezetűek, majd részben kivágásra kerülnek. A megfigyelési vizsgálatokban gyakran ez a helyzet. A kísérletek azonban jellemzően a páros korú erdőben végzett részleges vágással kezdődnek, azzal a szándékkal, hogy átalakítsák azokat a páratlan korú erdővé. Ha ez így van, akkor ezt az információt metaadatként rögzítjük, és az elemzés során figyelembe vesszük (azaz a kezelés előtti erdőállapotot moderátorként). Mivel a kivágás fajokra gyakorolt hatásai nem függnek a kivágás szándékától (attól, hogy a meghagyott fákat a jövőben kitermelik-e vagy sem), minden olyan tanulmányt figyelembe veszünk, amely a tisztítóvágást a részleges kivágással hasonlítja össze, és amely megfelel a leírt támogathatósági kritériumoknak.
Megfelelő összehasonlító: Tisztítóvágás, teljes állomány kitermelése, legfeljebb 5%-os fahagyás (a bejelentett intézkedés alapján). A küszöbértéket szigorúan kell értelmezni.
Támogatható eredmények: Növényekkel, állatokkal és gombákkal foglalkozó tanulmányok. A biológiai sokféleség leggyakrabban jelentett, metaanalízishez felhasználható mérőszámai; fajgazdagság és fajgazdagság az állomány léptékében. A biodiverzitás egyéb fontos mérőszámai (pl. a közösségek összetétele, diverzitási indexek, az erdő belsejében élő vagy ritka fajok jelenléte) az áttekintés narratív részében szerepelnek.
A tanulmányterv támogatható típusa: Elsődleges kísérleti és megfigyelési (pl. kronoszekvencia) terepi vizsgálatok. Figyelembe vesszük az előtte/utána vagy a kontroll/beavatkozás vizsgálati terveket és ezek kombinációját. Modellszimulációs tanulmányok, másodlagos kutatási összeállítások és áttekintések nem vehetők figyelembe.
Nyelv: Teljes angol nyelvű szöveg.
Tanulmányok érvényességének értékelése
A támogathatósági kritériumoknak megfelelő tanulmányokat kritikai értékelésnek vetjük alá. Értékelni fogjuk egyértelműségüket és az elfogultságra való hajlamukat, és a tanulmányokat a felülvizsgálati kérdéshez viszonyítva magas vagy alacsony érvényességűnek (azaz alacsony vagy magas elfogultsági kockázatúnak) minősítjük. Az elfogultsági kockázat minden formáját értékelni fogjuk. Azokat a tanulmányokat, amelyek az alábbi korlátozások bármelyikével rendelkeznek, alacsony érvényességűnek tekintjük és kizárjuk.
-
Nem replikálják a beavatkozásokat.
-
A beavatkozás (CCF) és az összehasonlító (CC) helyszínek nem jól illeszkednek egymáshoz (pl. a helyszínek jelentősen különböznek a betakarítás előtt).
-
Súlyos zavaró tényezők vannak jelen (pl. a kezeléseket jelentősen eltérő időpontokban végezték). Vagy a CCF és nem a CC helyszíneken végzett további kezelések, amelyek nem olyan szempontok, amelyek általában nem kapcsolódnak az egyes erdőgazdálkodási megközelítésekhez (pl. a legeltetés, égetés különbségei).
-
Az, hogy a CCF és a CC helyszínek eredményeit potenciálisan torzító módszertannal, másképp vagy jelentősen eltérő időpontokban mérték.
-
Egyes helyszíneket a kezelés után kizártak a vizsgálatból (pl.
-
A mérésekről nem vagy csak részben számoltak be a módszerekben.
A két első feltétel a szelekciós torzításra való hajlamot, a harmadik a teljesítménytorzítást, a negyedik a kimutatási torzítást, az ötödik a lemorzsolódást és a hatodik a jelentéstételi torzítást érinti, a CEE iránymutatásai szerint. A torzítás kockázatának egyéb, a fenti kategóriákba nem sorolható típusait (pl. finanszírozási forrás) is figyelembe veszik.
A tanulmányokat akkor is kizárják, ha az ezekre a kérdésekre vonatkozó információk nem egyértelműek, és a tanulmány érvényessége nem értékelhető. Konkrétan a következő okok miatt is kizárjuk a tanulmányokat:
-
A módszertan nincs kellően leírva.
-
Az adatok nem értelmezhetők.
A tanulmányokat, amelyeknél a fenti korlátozások egyike sem áll fenn, magas érvényességűnek tekintjük és bevonjuk a felülvizsgálatba.
A kritikai értékelés folyamatát átláthatóan dokumentáljuk. A kizárt cikkek listáját, beleértve a kizárás okait is, rögzítik és egy további fájlban mutatják be. A tanulmányok minőségét és általánosíthatóságát egy bíráló fogja értékelni. A kétes eseteket a felülvizsgálati csoportban megvitatják. Szükség esetén további kritériumokat vagy a kritikai értékelés módosítását végzik el és dokumentálják.
Az adatok kódolási és kinyerési stratégiája
A fajok gazdagságára és gyakoriságára vonatkozó adatokat táblázatokból nyerik ki. Ezek az adatok tartalmazzák az átlagokat, a szórás mértékét (szórás, standard hiba, konfidenciaintervallum stb.) és a mintanagyságot. Minden szórásmérőt standard eltéréssé alakítunk át. Ha az adatok nem táblázatokban, hanem ábrákon szerepelnek, felvesszük a kapcsolatot a megfelelő szerzővel, és elkérjük az adatokat. Ha a szerzők nem adják meg az adatokat, a WebPlotDigitizer segítségével kivonjuk azokat az ábrákból. A szerzőkkel akkor is felvesszük a kapcsolatot, ha a releváns adatokat nem mutatják be, de valószínűleg rendelkezésre állnak (azaz továbbfejlesztett elemzéshez használják őket). Ha nyers adatokat szolgáltatnak, a szükséges összefoglaló adatokat kiszámítják. Ha az adatok nem nyerhetők ki a tanulmányból, és a szerzők nem adják meg azokat, akkor a tanulmányt az áttekintés kvalitatív részében használjuk fel.
Azokat a tanulmányokat, amelyek nem a fajgazdagságról és/vagy fajszámról, hanem a biológiai sokféleség más típusú értékeléséről (pl. a közösség összetételéről, sokféleségindexekről, az erdő belsejében élő vagy ritka fajok jelenlétéről) számolnak be, szintén felhasználjuk az áttekintés kvalitatív részében. Ezekből a tanulmányokból a releváns összehasonlítást leíró szöveget kivonjuk és egy táblázatban tároljuk.
Ha lehetséges, a fajokat erdei, nyílt élőhelyi és generalista fajokra különítjük el. Ez kulcsfontosságú szempont az élőhelyi alkalmasság értékelésénél és a biológiai sokféleségre gyakorolt gazdálkodási hatások értelmezésénél.
Ahol bizonytalanság merül fel a közölt metaadatokkal vagy a tanulmányokban szereplő adatokkal kapcsolatban, fel fogjuk venni a kapcsolatot a megfelelő szerzőkkel a pontosítás érdekében. Ha a szerzők nem válaszolnak, vagy nem tudnak elegendő magyarázatot adni a felmerült kérdésekre, a tanulmányt nem használjuk fel az áttekintésben. Ezt a folyamatot dokumentáljuk és egy kiegészítő fájlban bemutatjuk.
Az összefüggő metaadatokat a potenciális hatásmódosítókkal együtt a következőképpen vonjuk ki és kódoljuk.
-
Egyedi tanulmány azonosítója
-
Forrás
-
Bibliográfiai adatbázis (1-7)
-
Keresőmotor (1, 2)
-
Szakmai honlap
-
…
-
-
Autor(ok)
-
Év
-
Cím
-
Folyóirat
-
Folyóirat
-
DOI
-
Befogadás/kizárás (a jogosultsági kritériumok szerint)
-
Kizárva (alacsony… érvényesség vagy nem egyértelmű leírás)
-
Bevéve (magas érvényesség)
-
-
Kizáró ok (elfogultság vagy nem egyértelmű leírás)
-
Kizáró ok (elfogultság vagy nem egyértelmű leírás) type)
-
Study type
-
Observational
-
Experiment
-
….
-
-
A vágás%-a alapján
-
Térfogat
-
Bázisterület
-
Koronafedettség
-
Szárak száma
-
…
-
-
Beszámolt eltérés
-
Nem
-
Igen
-
-
Egy nagy kísérlet része
-
Nem
-
Ha igen, akkor a kísérlet neve
.
-
-
Kontroll rendelkezésre áll
-
Nem
-
Igen
-
-
Bióma (mérsékelt égövi vagy boreális)
.
-
Helyszín koordinátái
-
Helyszín leírása (táji környezet)
-
ország
-
magasság
-
klíma
-
Erdőtípus
-
A kezelés utáni időpont, amikor a vizsgálatot végezték
-
Fa fajösszetétel
-
Térbeli lépték (állomány vagy táj)
-
Pre-vágás előtti állapot
-
Vágás előtti kor
-
Vágás éve
-
Beavatkozások (a fakitermelés részletei)
-
CC fakitermelés (a megtartott fák %-a)
-
CCF fakitermelés típusa (e.g. csoportos vagy egyedi fakitermelés)
-
Kivágási %
-
Kivágási típus CCF2 (jellemzően többféle részleges vágást végeznek)
-
Kivágási %
-
Az alkalmazott mintavételi módszer típusa
.
Ezeket az adatokat egy további fájlban teszik elérhetővé. A főrevizor az adatokat és a metaadatokat kivonja, és a stratégiának megfelelően átláthatóan rögzíti a folyamatot. Egy második bíráló ellenőrzi a kinyert adatokat, és szükség esetén szerkesztést végez.
Potenciális hatásmódosítók és a heterogenitás okai
A cikkekben megadott adatok elérhetőségétől függően a fenti lista alapján különböző potenciális hatásmódosítókat vonunk ki. Ezeket a módosító tényezőket azért választottuk ki, mert potenciális hatásuk van arra, hogy a fakitermelés hogyan befolyásolja a biológiai sokféleséget. A lista nem teljes, és a felülvizsgálati folyamat során más hatásmódosítókat és a heterogenitás okait is figyelembe vesszük.
Adatok szintézise és bemutatása
A bevont tanulmányokról narratív szintézist írunk, amely leírja az eredmények és a vizsgálati eredmények minőségét. Összefoglalt eredményeket tartalmazó táblázatok készülnek. A felmérési munka azt jelzi, hogy elegendő adat áll majd rendelkezésre a kvantitatív elemzés elvégzéséhez is. Ehhez a szakirodalom iránymutatásait és ajánlásait fogjuk követni .
A Hedges-féle g-formájú standardizált átlagos különbséget a fajgazdagságra és a fajszámra vonatkozó szórásbecslésekkel együtt fogjuk kiszámítani. Ha a bevont tanulmányok nem közölnek varianciabecsléseket, de az ilyen tanulmányok aránya nem túl nagy (< 20%), akkor a hiányzó értékeket imputáljuk. Az imputációs módszerek a hiányzó adatok jellemzőitől függnek.
Míg a kvantitatív elemzés pontos részletei a kinyert adatoktól függnek, átfogó szintetizálási és bemutatási stratégiát javasolunk. A hatásméreteket különböző módszerekkel vizsgáljuk, beleértve a véletlenszerű hatásmodelleket, az alcsoport-elemzést és a meta-regressziót. A vizsgálati téma jellegéből adódóan sok hatásméret nem lesz független. A sok fajra vonatkozó adatokat sok év alatt jellemzően megfigyelések során vagy kísérletek után gyűjtik. Ennek figyelembevétele érdekében a tanulmányt véletlen változóként fogjuk bevonni a modellekbe. A különböző moderátorok hatását tesztelni fogjuk, hogy kiderítsük, mi magyarázza legjobban az adatokban megfigyelt mintázatokat (pl. heterogenitást). Általában akkor vonunk be egy moderátort, ha csoportonként legalább tíz hatásméret áll rendelkezésre. A moderátorok közötti korrelációt (azaz a multikollinearitást) is figyelembe vesszük.
A heterogenitás (a tanulmányok közötti következetlenség) feltárása érdekében a különböző adatalcsoportok (azaz taxonómiai csoportok, erdőtípusok és élőhelypreferencia-csoportok, ha lehetséges) hatásméreteit is elemezni fogjuk. Bár ez hasonló a metaregresszióhoz, lehetővé teszi a heterogenitás értékelését, és a különböző heterogenitási statisztikák (τ2, Q és I2) kiszámítását a különböző érdekcsoportokra.
A táji környezet, a kezelés utáni idő, az erdőtípus és más hatásmódosítók várhatóan jelentős hatással lesznek az eredményekre, és valószínűleg a hatások fontos aspektusait magyarázzák. Ezért feltárjuk a különböző hatásmódosítók hatását, és dokumentáljuk ezt a folyamatot. Az eredményeket táblázatokban és ábrákban fogjuk bemutatni.
Az eredmények robusztusságának becslésére nincs “legjobb” módszer, és többféle módszert kell alkalmazni . Érzékenységvizsgálatot fogunk végezni több módszer alkalmazásával, beleértve a leave-one-out metaanalízist, az elemzés lefuttatását befolyásoló tanulmányokkal és azok nélkül (hatásméretek), a modellek lefuttatását nem-függetlenséggel és anélkül, valamint a modellilleszkedési statisztikák összehasonlítását. Ha adatimputációra kerül sor, akkor az összes adatra, az imputált adatokkal rendelkező tanulmányokat kizáró adatokra és az összes adatra külön-külön fogjuk elvégezni és jelenteni az elemzést a súlyozatlan metaanalízis alkalmazásával. Ez egyben az érzékenységi elemzés részeként is szolgál majd. A publikációs torzítás kockázatát fail-safe N és funnel plotok segítségével fogjuk értékelni a trim and fill funkció segítségével. A jelentős tudáshiányokat leírjuk és megvitatjuk a jövőbeli kutatási szükségletek szempontjából.