049. Jak formułować problem badawczy na podstawie luki w literaturze?

Problem badawczy nie powinien być jedynie ciekawym tematem ani ogólnym stwierdzeniem, że „brakuje badań”. Jego zadaniem jest precyzyjne wskazanie, czego jeszcze nie wiemy, dlaczego ta niewiedza ma znaczenie oraz jakie badanie może ją częściowo zmniejszyć. W praktyce problem badawczy powstaje na styku trzech elementów: istniejącej wiedzy, rozpoznanej luki oraz możliwości jej wiarygodnego zbadania.

W tej lekcji prześledzimy drogę od szerokiego obszaru zainteresowania do sformułowania problemu badawczego, który może stać się podstawą celu głównego, pytań szczegółowych, hipotez i planu analizy. Jest to naturalne rozwinięcie zagadnień omawianych w publicznym szkoleniu na statystyk.edu.pl: nie zaczynamy od testu statystycznego, lecz od dobrze uzasadnionego pytania.

Czym jest luka w literaturze?

Luka w literaturze to rozbieżność między tym, co zostało już wiarygodnie ustalone, a tym, co pozostaje niejasne, niedostatecznie zbadane, niespójne albo nieadekwatne do określonej populacji, sytuacji lub metody. Nie oznacza ona zawsze całkowitego braku publikacji. W wielu dziedzinach literatura jest obszerna, ale nadal nie odpowiada na konkretne pytanie.

Można wyróżnić kilka typów luk:

• luka populacyjna – istnieją wyniki dotyczące jednej grupy, lecz nie wiadomo, czy można je odnieść do innej, na przykład osób starszych, pacjentów z wielochorobowością albo mieszkańców obszarów wiejskich;
• luka kontekstowa – dane pochodzą z innych systemów opieki, krajów, placówek lub warunków organizacyjnych;
• luka metodologiczna – wcześniejsze badania stosowały ograniczone narzędzia, małe próby, krótką obserwację albo schemat, który nie pozwalał rozstrzygnąć ważnej kwestii;
• luka wynikająca z niespójności – badania dawały odmienne rezultaty, a przyczyna rozbieżności nie jest jasna;
• luka pomiarowa – nie wiadomo, jak często występuje zjawisko, ponieważ posługiwano się różnymi definicjami lub narzędziami;
• luka wyjaśniająca – zaobserwowano zależność, ale nie wiadomo, jakie mechanizmy, czynniki pośredniczące lub warunki ją kształtują;
• luka aplikacyjna – wiadomo, że interwencja działa w kontrolowanych warunkach, lecz nie wiadomo, czy jest wykonalna i skuteczna w codziennej praktyce.

Robinson, Saldanha i McKoy proponują, aby lukę opisywać nie tylko przez wskazanie brakującego elementu, lecz także przez określenie, dlaczego obecne dowody są niewystarczające: mogą być zbyt skąpe, nieprecyzyjne, obciążone ryzykiem błędu, niespójne albo nie dotyczyć właściwej populacji czy wyniku (Robinson et al., 2011). ([pubmed.ncbi.nlm.nih.gov](https://pubmed.ncbi.nlm.nih.gov/21937195/?utm_source=openai))

Od tematu do problemu badawczego

Temat jest szerokim obszarem zainteresowania, na przykład „wypalenie zawodowe pielęgniarek”. Problem badawczy powinien natomiast określać konkretny brak wiedzy, na przykład: „Nie wiadomo, czy związek między obciążeniem pracą a nasileniem wypalenia zawodowego u pielęgniarek oddziałów ratunkowych różni się zależnie od poziomu wsparcia organizacyjnego”.

Przejście od tematu do problemu można przedstawić jako sekwencję:

1. wybierz obszar istotny naukowo lub praktycznie;
2. wykonaj wstępne rozpoznanie literatury;
3. ustal, co jest już dobrze opisane;
4. porównaj populacje, ekspozycje, interwencje, wyniki, konteksty i metody;
5. nazwij konkretną niepewność;
6. oceń, czy niepewność można zmniejszyć za pomocą realnego badania;
7. sformułuj problem w sposób, który wskazuje populację, zjawisko oraz relację lub wynik będący przedmiotem zainteresowania.

Ważne jest, aby nie rozpoczynać od przypadkowo wybranego zdania, a następnie szukać publikacji, które je uzasadnią. Taka strategia sprzyja selektywnemu dobieraniu dowodów. Sandberg i Alvesson zwracają uwagę, że samo „polowanie na lukę” nie zawsze prowadzi do interesującego problemu; czasami bardziej wartościowe jest zakwestionowanie założenia obecnego w literaturze albo sprawdzenie, czy dotychczasowe wyjaśnienie działa w innym kontekście (Sandberg & Alvesson, 2011). ([doi.org](https://doi.org/10.1177/1350508410372151?utm_source=openai))

Jak systematycznie rozpoznać lukę?

1. Zacznij od mapowania, nie od szczegółowej selekcji

Na początku warto wykonać szerokie wyszukiwanie rozpoznawcze. Jego celem nie jest jeszcze stworzenie pełnego przeglądu systematycznego, lecz ustalenie słownictwa, głównych autorów, dominujących metod, typowych populacji i najczęściej analizowanych wyników. Należy sprawdzić także, czy istnieją świeże przeglądy systematyczne, przeglądy zakresu lub metaanalizy.

Przydatna jest tabela mapująca literaturę. Minimalny zestaw kolumn może obejmować: autora i rok, populację, projekt badania, liczebność próby, główną ekspozycję lub interwencję, wynik, narzędzie pomiarowe, okres obserwacji, najważniejsze ograniczenia oraz wnioski autorów.

2. Szukaj wzorców, a nie pojedynczego zdania „potrzebne są dalsze badania”

Zdanie o potrzebie dalszych badań może być pomocne, ale samo w sobie nie stanowi wystarczającego uzasadnienia. Autorzy używają go czasami rutynowo. Silniejszym dowodem luki jest powtarzalny wzorzec, na przykład: większość badań obejmuje młodych dorosłych, niemal wszystkie przeprowadzono w jednym kraju, stosowano wyłącznie pomiar jednorazowy albo wyniki dotyczące związku dwóch zmiennych są sprzeczne.

Warto porównywać nie tylko rezultaty, lecz także sposób uzyskania tych rezultatów. Dwa badania mogą raportować odmienne efekty dlatego, że różnią się definicją wyniku, narzędziem, okresem obserwacji, kryteriami włączenia lub kontrolą czynników zakłócających.

3. Nazwij lukę jednym zdaniem

Praktyczne ćwiczenie polega na uzupełnieniu konstrukcji:

„Wiemy, że …, ale nadal nie wiadomo …, szczególnie w odniesieniu do …; dlatego potrzebne jest badanie, które …”.

Przykład: „Wiemy, że brak snu wiąże się z gorszym funkcjonowaniem poznawczym personelu medycznego, ale nadal nie wiadomo, czy zależność ta utrzymuje się u ratowników medycznych pracujących w systemie zmianowym i czy jest modyfikowana przez liczbę kolejnych dyżurów nocnych; dlatego potrzebne jest badanie podłużne z powtarzanym pomiarem snu i funkcjonowania poznawczego”.

Od luki do problemu badawczego: schemat konstrukcji

Problem badawczy powinien odpowiadać na pytanie: jaka dokładnie niepewność poznawcza ma zostać rozstrzygnięta? Pomocny jest schemat elementów PICO lub PICOT, szczególnie w badaniach klinicznych i pielęgniarskich. W ujęciu PICOT:

PICOT = P + I/E + C + O + T

• P – Population/Problem: populacja lub problem zdrowotny;
• I – Intervention lub Exposure: interwencja albo ekspozycja;
• C – Comparison: grupa porównawcza, alternatywna interwencja lub poziom odniesienia;
• O – Outcome: wynik, który będzie mierzony;
• T – Time: czas obserwacji lub moment oceny.

Nie każdy problem wymaga wszystkich elementów. W badaniu opisowym nie musi występować porównanie ani interwencja. W badaniu jakościowym PICOT może być mniej użyteczny, ponieważ centralne znaczenie mają doświadczenia, znaczenia i procesy społeczne. Jednak nawet wtedy należy określić, kogo dotyczy badanie, jakie doświadczenie analizujemy, w jakim kontekście i czego chcemy się dowiedzieć.

Feldner i Dutka pokazują, że PICOT pomaga zawęzić kliniczne pytanie do elementów, które można wyszukać w literaturze i przełożyć na projekt badania (Feldner & Dutka, 2024). ([pubmed.ncbi.nlm.nih.gov](https://pubmed.ncbi.nlm.nih.gov/39230468/?utm_source=openai))

Przykład 1: zdrowie publiczne

Temat szeroki: wpływ programów edukacyjnych na szczepienia przeciw grypie.

Wstępne rozpoznanie literatury: badania wskazują, że kampanie edukacyjne mogą zwiększać wiedzę, lecz wyniki dotyczące rzeczywistego zgłaszania się na szczepienie są mniej jednoznaczne. Część badań dotyczy populacji ogólnej, a niewiele analizuje osoby przewlekle chore korzystające z podstawowej opieki zdrowotnej. Ponadto często mierzy się intencję zaszczepienia, a nie faktyczne wykonanie szczepienia.

Luka: brak wystarczających danych o tym, czy krótkie, spersonalizowane przypomnienie przekazywane przez personel podstawowej opieki zdrowotnej zwiększa rzeczywisty odsetek szczepień u dorosłych pacjentów z chorobami przewlekłymi.

Problem badawczy: „Czy u dorosłych pacjentów z chorobami przewlekłymi korzystających z podstawowej opieki zdrowotnej spersonalizowane przypomnienie o szczepieniu przeciw grypie, w porównaniu ze standardową informacją, zwiększa odsetek wykonanych szczepień w ciągu 12 tygodni?”

W tym sformułowaniu można rozpoznać P, I, C, O i T. Problem nie mówi jeszcze, że przypomnienie „powoduje” wzrost szczepień w każdej sytuacji. Taki język przyczynowy wymagałby odpowiedniego schematu, najlepiej randomizowanego lub innego projektu uzasadniającego wnioskowanie przyczynowe.

Przykład 2: psychologia i pielęgniarstwo

Temat szeroki: stres zawodowy personelu pielęgniarskiego.

Wstępne rozpoznanie literatury: wiele badań opisuje poziom stresu i wypalenia, lecz część z nich ma charakter przekrojowy. Nie zawsze wiadomo, czy wsparcie przełożonych zmienia związek między obciążeniem pracą a objawami wypalenia. Wyniki mogą też zależeć od rodzaju oddziału.

Luka: niewystarczająco poznano, czy wsparcie organizacyjne osłabia związek między obciążeniem pracą a wypaleniem zawodowym u pielęgniarek oddziałów ratunkowych, a wcześniejsze badania często nie uwzględniały różnic między oddziałami.

Problem badawczy: „Jaki jest związek między postrzeganym obciążeniem pracą a nasileniem wypalenia zawodowego u pielęgniarek oddziałów ratunkowych oraz czy związek ten różni się zależnie od poziomu wsparcia organizacyjnego?”

Jest to problem zależnościowy i moderacyjny. Nie należy zapisywać go jako pytania o wpływ, jeżeli badanie będzie przekrojowe. W projekcie przekrojowym można oceniać współwystępowanie i statystyczną interakcję, ale ostrożność interpretacyjna jest konieczna, ponieważ kolejność czasowa zmiennych może być nieznana.

Jak ocenić, czy problem jest dobry?

Po sformułowaniu problemu należy sprawdzić jego jakość. Pomocne są kryteria FINER:

• Feasible – wykonalny: czy można zebrać dane w dostępnej populacji, czasie i budżecie?
• Interesting – interesujący: czy odpowiedź ma znaczenie dla badaczy, praktyków lub społeczności?
• Novel – nowatorski: czy badanie wnosi coś więcej niż proste powtórzenie wcześniejszej pracy?
• Ethical – etyczny: czy projekt respektuje prawa, bezpieczeństwo i autonomię uczestników?
• Relevant – istotny: czy wynik może poprawić rozumienie problemu, praktykę albo dalszy rozwój teorii?

Nowatorstwo nie musi oznaczać odkrycia całkowicie nowego zjawiska. Może polegać na zbadaniu znanej zależności w niedostatecznie reprezentowanej populacji, zastosowaniu lepszego pomiaru, dłuższej obserwacji lub porównaniu alternatywnych wyjaśnień.

Od problemu do literatury i planu badania

Dobrze sformułowany problem powinien kierować dalszym wyszukiwaniem. Każdy jego element tworzy grupę słów kluczowych: populacja, ekspozycja lub interwencja, porównanie, wynik i czas. Następnie należy sprawdzić, czy wyniki wyszukiwania rzeczywiście obejmują literaturę dotyczącą problemu, a nie tylko luźno powiązany temat.

Problem powinien także pozostawać zgodny z projektem badania. Dla badań obserwacyjnych warto później uwzględnić zalecenia STROBE, które pomagają jasno raportować uzasadnienie naukowe, cele, populację, zmienne i ograniczenia badania (von Elm et al., 2007). ([pubmed.ncbi.nlm.nih.gov](https://pubmed.ncbi.nlm.nih.gov/18064739/?utm_source=openai)) W przypadku przeglądu systematycznego pytanie powinno być określone przed ostatecznym wyszukiwaniem i opisane zgodnie z logiką PRISMA 2020, obejmującą między innymi kryteria kwalifikacji oraz zakres pytania (Page et al., 2021). ([bmj.com](https://www.bmj.com/content/372/bmj.n71?utm_source=openai))

Wytyczne raportowania nie zastępują rozumowania metodologicznego. EQUATOR Network podkreśla, że są to narzędzia zapewniające minimalny zestaw informacji potrzebnych do zrozumienia, odtworzenia i oceny badania, a nie instrukcje automatycznie wybierające problem badawczy (EQUATOR Network, 2026). ([equator-network.org](https://www.equator-network.org/about-us/what-is-a-reporting-guideline/?utm_source=openai))

Najczęstsze błędy

• Utożsamianie braku badań z luką. To, że nie znaleziono publikacji, może wynikać z niewłaściwych słów kluczowych, ograniczenia językowego lub zbyt wąskiej strategii wyszukiwania.
• Formułowanie luki jako sloganu. Zdanie „brakuje badań na ten temat” nie mówi, czego brakuje, w jakiej populacji i dlaczego ma to znaczenie.
• Wybieranie tylko publikacji potwierdzających oczekiwania. Należy uwzględniać również wyniki sprzeczne i badania o odmiennych wnioskach.
• Problem zbyt szeroki. „Jak poprawić zdrowie psychiczne społeczeństwa?” nie wskazuje populacji, ekspozycji, wyniku ani możliwego projektu.
• Problem zbyt wąski bez uzasadnienia. Nadmierna liczba ograniczeń może sprawić, że badanie będzie niewykonalne albo pozbawione znaczenia.
• Mylenie problemu z hipotezą. Problem wskazuje niepewność poznawczą, a hipoteza jest przewidywaniem dotyczącym określonego wyniku.
• Używanie języka przyczynowego w badaniu przekrojowym. Związek statystyczny nie dowodzi, że jedna zmienna wywołuje drugą.
• Pomijanie definicji wyniku. „Poprawa jakości życia” wymaga wskazania, czym jest jakość życia i jak zostanie zmierzona.
• Traktowanie wartości p jako rozstrzygnięcia problemu. Odpowiedź badawcza powinna uwzględniać wielkość efektu, przedział ufności, precyzję pomiaru, znaczenie praktyczne i ograniczenia projektu.

Przykład praktyczny: analiza przypadku

Studentka planuje pracę o „wpływie pracy zmianowej na zdrowie ratowników medycznych”. To temat ważny, ale zbyt szeroki. Po wstępnym przeglądzie zauważa, że istnieją liczne badania dotyczące zmęczenia, lecz różnią się definicją pracy zmianowej i często opierają się na jednorazowej ankiecie. Niewiele wiadomo o tym, czy liczba kolejnych dyżurów nocnych wiąże się z błędami uwagi mierzonymi powtarzalnym narzędziem.

Studentka zapisuje lukę: „Dotychczasowe badania nie rozstrzygają, czy skumulowana liczba kolejnych dyżurów nocnych wiąże się ze zmianą funkcjonowania uwagi u ratowników medycznych, ponieważ często stosowano pomiar jednorazowy i niejednolite wskaźniki ekspozycji”.

Następnie formułuje problem: „Czy u ratowników medycznych liczba kolejnych dyżurów nocnych w danym cyklu pracy wiąże się ze zmianą wyniku standaryzowanego testu uwagi między początkiem a końcem cyklu?”

Takie sformułowanie jest lepsze, ponieważ wskazuje populację, ekspozycję, wynik oraz ramę czasową. Nadal trzeba doprecyzować projekt, sposób pomiaru, czynniki zakłócające i minimalnie istotną różnicę. Jednak punkt wyjścia jest metodologicznie znacznie silniejszy niż ogólne pytanie o „wpływ pracy zmianowej na zdrowie”.

Co warto zapamiętać?

• Luka w literaturze nie oznacza wyłącznie braku publikacji; może oznaczać także niespójność, nieprecyzyjność, niewłaściwą populację lub ograniczenie metodologiczne.
• Problem badawczy powinien wskazywać konkretną niepewność, a nie tylko szeroki temat.
• Najpierw trzeba rozpoznać literaturę, następnie nazwać lukę, a dopiero potem formułować pytanie i projekt.
• W badaniach klinicznych i pielęgniarskich pomocne są elementy PICOT, ale ich użycie trzeba dostosować do rodzaju problemu.
• Nie każda „nowość” jest wartościowym wkładem. Liczą się także trafność, wykonalność, znaczenie praktyczne i zgodność z istniejącą wiedzą.
• Problem, cel, pytania szczegółowe, hipotezy, zmienne i analiza statystyczna powinny tworzyć jeden spójny łańcuch.
• Wnioski przyczynowe wymagają odpowiedniego schematu badania; samo wykazanie związku statystycznego nie wystarcza.

Najkrótszy test jakości problemu brzmi: „Czego dokładnie nie wiemy, skąd to wiemy i jakie dane pozwolą tę niepewność zmniejszyć?” Jeżeli można odpowiedzieć na te trzy pytania, problem badawczy jest zwykle gotowy do dalszego przełożenia na cele, hipotezy i plan badania.

\n

Źródła i dalsza lektura

\n

1. Sandberg, Jörgen; Alvesson, Mats (2011). Ways of constructing research questions: gap-spotting or problematization?. Organization, 18(1), 23–44. DOI: 10.1177/1350508410372151.
2. Robinson, Karen A.; Saldanha, Ian J.; McKoy, Naomi A. (2011). Development of a framework to identify research gaps from systematic reviews. Journal of Clinical Epidemiology, 64(12), 1325–1330. DOI: 10.1016/j.jclinepi.2011.06.009.
3. Feldner, Katie; Dutka, Paula (2024). Exploring the Evidence: Generating a Research Question: Using the PICOT Framework for Clinical Inquiry. Nephrology Nursing Journal, 51(4), 393–395. Pełny opis źródła.
4. von Elm, Erik; Altman, Douglas G.; Egger, Matthias; Pocock, Stuart J.; Gøtzsche, Peter C.; Vandenbroucke, Jan P.; STROBE Initiative (2007). The Strengthening the Reporting of Observational Studies in Epidemiology (STROBE) statement: guidelines for reporting observational studies. The Lancet, 370(9596), 1453–1457. DOI: 10.1016/S0140-6736(07)61602-X.
5. Page, Matthew J.; McKenzie, Joanne E.; Bossuyt, Patrick M.; Boutron, Isabelle; Hoffmann, Tammy C.; Mulrow, Cynthia D.; Shamseer, لارissa; Tetzlaff, Jennifer M.; Akl, Elie A.; Brennan, Sue E.; Chou, Roger; Glanville, Julie; Grimshaw, Jeremy M.; Hróbjartsson, Asbjørn; Lalu, Manoj M.; Li, Tianjing; Loder, Elizabeth W.; Mayo-Wilson, Evan; McDonald, Steve; McGuinness, Luke A.; Stewart, Lesley A.; Thomas, James; Tricco, Andrea C.; Welch, Vivian A.; Whiting, Penny; Moher, David (2021). The PRISMA 2020 statement: an updated guideline for reporting systematic reviews. BMJ, 372, n71. DOI: 10.1136/bmj.n71.
6. EQUATOR Network (2026). What is a reporting guideline?. EQUATOR Network. EQUATOR Network. Źródło.

\n

Jeżeli potrzebujesz indywidualnego wsparcia w doborze metod, przygotowaniu bazy lub opracowaniu wyników badań, sprawdź analiza statystyczna.