教程2026-04-058分钟阅读
如何撰写系统综述方案
为什么要先撰写方案?
系统综述方案是在进行综述之前预先规定的计划。它是严谨、透明、可重复研究的基础。
先撰写方案:
- 防止"结局更换"(在看到结果后更改研究问题)
- 在遇到潜在偏倚之前强迫你思考方法论
- 让你在投入数周工作之前对方法进行同行评审
- 在PROSPERO等数据库注册时创建问责机制
没有方案,系统综述就容易受到它们旨在克服的偏倚的影响。
第一步:制定PICO问题
每项系统综述都从使用PICO框架的结构化临床问题开始:
- **P**(Population,人群):你研究的是谁?(例如:2型糖尿病成人)
- **I**(Intervention,干预):什么治疗或暴露?(例如:二甲双胍)
- **C**(Comparison,比较):与什么比较?(例如:安慰剂或其他药物)
- **O**(Outcome,结局):你测量什么?(例如:6个月时HbA1c降低)
一个形成良好的PICO问题可能是:"在2型糖尿病成人(P)中,二甲双胍(I)与安慰剂(C)相比,在6个月时是否能将HbA1c降低≥1%(O)?"
你的PICO决定了其他一切——检索策略、纳入/排除标准和数据提取表格。
第二步:规定纳入和排除标准
预先规定你将纳入和排除哪些研究:
**纳入标准:**
- 研究类型(例如:仅RCT,或还包括队列研究)
- 人群特征(年龄范围、诊断、研究背景)
- 最低随访时间
- 报告的结局指标
- 语言限制(如有)
**排除标准:**
- 病例报告和编辑意见
- 低于最小样本量的研究
- 高偏倚风险的研究(定义如何评估)
- 重复发表
尽可能具体。模糊的标准会导致筛选决策不一致。
第三步:规划检索策略
全面的系统综述需要检索多个数据库:
- **PubMed/MEDLINE**:生物医学课题必查
- **Embase**:尤其适用于欧洲临床试验
- **Cochrane Central Register**:随机试验
- **CINAHL**:护理和相关健康
- **ClinicalTrials.gov**:未发表或进行中的试验(减少发表偏倚)
对于每个数据库,使用以下方法制定检索式:
- MeSH词(受控词汇)和自由文本关键词
- 布尔运算符(AND、OR、NOT)
- 截词(*)和通配符
记录你的确切检索式——它必须可重复。MetaLens AI等工具可以在你承诺进行全面检索之前帮助进行初步范围界定。
第四步:数据提取表格
在开始提取数据之前,设计你的提取表格。对于每项纳入研究,你通常需要记录:
- 研究ID、作者、年份、国家
- 研究设计和随访时间
- 人群特征(样本量、年龄、性别、基线严重程度)
- 干预细节(剂量、持续时间、对照组)
- 结局数据(均值、标准差、事件率、效应估计值、置信区间、p值)
- 偏倚风险评估
在全面提取之前,先对2-3项研究试用你的表格。两位独立提取者加仲裁可减少错误。
第五步:注册你的方案
预注册方案可提高透明度和可信度:
- **PROSPERO**(prospero.york.ac.uk):系统综述最广泛使用的注册库
- **开放科学框架**(osf.io):适用于任何研究类型
- **Cochrane**:如果进行Cochrane综述
注册为你提供一个带有时间戳的记录,表明你的方法在看到数据之前就已确定。大多数高影响力期刊现在期望或要求系统综述进行注册。
一旦注册,与方案的任何偏差都必须在论文中报告并说明理由。
在系统综述中使用AI工具
像MetaLens AI这样的AI工具对于范围界定阶段非常有价值——在你撰写正式方案之前:
- 快速扫描现有文献,评估系统综述是否有必要
- 识别你研究领域的关键论文和期刊
- 了解当前证据状态和可能的效应量
- 根据实际已研究的内容完善你的PICO问题
然而,AI工具不能替代正式的系统综述。它们基于摘要工作,可能遗漏相关研究,无法进行正式的偏倚风险评估。使用它们来为你的方案制定提供信息和加速,而非替代方案。
准备体验AI驱动的荟萃分析吗?
免费试用MetaLens AI