AI 研伴
← AI 科研指南

方法指南 · 真实案例可核对

AI 辅助系统综述:从 PICO、检索式到 PRISMA 筛选

AI 最适合帮助系统综述建立结构和处理重复性工作,而不是替代数据库检索与双人判断。可靠流程必须把“候选信息”和“已核验证据”严格分开。

这篇指南适合谁:适合准备系统综述、范围综述或证据总结,希望提高流程效率的研究者。

从可回答的问题和协议开始

根据主题选择 PICO、PECO 或 PCC,预先定义人群、干预或暴露、比较、结局、研究设计、时间范围与排除标准。协议先行可以减少看到结果后再修改规则的风险。

检索与筛选要留下审计轨迹

AI 可以生成中英文同义词块和数据库适配草案,但检索日期、数据库语法和实际命中量必须人工核验。筛选阶段应逐条记录纳入状态与排除理由,使 PRISMA 数字能从台账重新计算。

  • 不把模型记忆中的题录当成检索结果
  • 去重规则要可解释
  • 全文排除理由使用预先定义的类别

证据提取与 Meta 分析

提取表应覆盖研究设计、样本、干预或暴露、结局定义、效应量和偏倚风险。只有研究足够同质且数据可换算时才合并;异质性、敏感性分析与发表偏倚不能被一个总效应掩盖。

常见问题

继续开始前,你可能想知道

AI 能自动完成整篇系统综述吗?

不能可靠地完全自动完成。研究者仍需核验检索、独立筛选、解决分歧、评估偏倚并审核结论。

如何避免 AI 虚构文献?

只让 AI 处理真实导出的题录或已核验来源,并要求每条结论回指 DOI、数据库记录或原文位置。

系统综述一定要做 Meta 分析吗?

不一定。研究异质性过大、效应量不可换算或数据不足时,应采用结构化叙述综合并解释原因。