🔬MetaLens AI
返回博客
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