SuperAPI AI 工具集
合作ENAI 行业资讯收藏
Skill 广场systematic-review-guide

systematic-review-guide

写作与研究

查看项目

更新于 10-16 07:45

技能介绍

概述

Systematic Review Guide 是一份关于系统综述方法论的指南，核心依据 PRISMA 2020 规范，目标是帮助研究者以严谨、透明、可复现的方式完成系统综述与元分析，覆盖从方案注册、文献检索、筛选、数据提取、偏倚评估，到证据合成与报告的全过程。

什么是系统综述

系统综述是一种结构化、透明且可复现的方法，用于识别、评价并综合针对某一具体问题的全部相关研究。与叙述性综述不同，系统综述遵循预先注册的方案，使用全面且有记录的检索策略，应用明确的纳入与排除标准，评估纳入研究的偏倚风险，并采用定量（元分析）或叙述性方式合成结果。

逐步工作流

第一步：定义研究问题

使用结构化框架来构建问题：

框架 组成部分 最适用
PICO 人群、干预、对照、结局 临床/干预研究
PCC 人群、概念、情境 范围综述
SPIDER 样本、兴趣现象、设计、评价、研究类型 定性/混合方法
PEO 人群、暴露、结局 观察性研究

PICO 示例：P 为 2 型糖尿病成人；I 为基于远程医疗的自我管理项目；C 为标准面对面照护；O 为 HbA1c 水平、生活质量。

第二步：注册方案

在开展检索前注册方案，以减少发表偏倚和选择性报告：

  • PROSPERO（crd.york.ac.uk/prospero）：面向健康相关系统综述的免费注册
  • OSF Registries（osf.io/registries）：面向所有学科开放
  • 方案论文：可发表于 BMJ Open、Systematic Reviews 或 JMIR Research Protocols

方案应包含：研究问题与目标、入选标准、检索策略（数据库与检索词）、筛选流程、数据提取计划、偏倚风险评估工具、合成方法（元分析或叙述性）。

第三步：执行检索

推荐的最低数据库（健康科学）：

  1. PubMed / MEDLINE
  2. Embase
  3. Cochrane Central Register of Controlled Trials（CENTRAL）
  4. 至少一个学科专属数据库

推荐的最低数据库（社会科学）：

  1. Web of Science
  2. Scopus
  3. PsycINFO 或 ERIC（领域专属）
  4. ProQuest Dissertations（用于灰色文献）

其他来源：纳入研究的参考文献列表（向后引文追踪）、向前引文检索、灰色文献（会议论文集、学位论文、报告）、试验注册库（ClinicalTrials.gov、WHO ICTRP）、预印本服务器（medRxiv、SSRN）。

每次检索需记录：数据库名称、日期、确切检索式和结果数量。

第四步：筛选研究

两阶段筛选，每阶段至少由两名独立评审人完成：

第一阶段：标题与摘要筛选

  • 仅依据标题与摘要应用纳入/排除标准
  • 通过讨论或第三名评审人解决分歧
  • 计算评分者间信度（Cohen's kappa >= 0.60）

第二阶段：全文筛选

  • 获取所有通过第一阶段的全文
  • 应用完整入选标准
  • 记录此阶段的排除原因
  • 计算评分者间信度

筛选工具：Covidence（covidence.org）、Rayyan（rayyan.ai）、ASReview（AI 辅助）。

第五步：提取数据

建立标准化数据提取表：

字段 说明
研究 ID 第一作者 + 年份
国家 研究开展地
研究设计 RCT、队列、横断面等
样本量 各组 N
人群 人口学特征、所用入选标准
干预 描述、时长、强度
对照 对照条件描述
结局 主要与次要结局、测量工具
结果 效应量、置信区间、p 值
资金 资金来源
利益冲突 声明的 COI

先在 3-5 项研究上试用提取表，然后由两名评审人独立提取。

第六步：评估偏倚风险

根据研究设计选择合适工具：

研究设计 工具 开发者
随机试验 RoB 2 Cochrane
非随机干预 ROBINS-I Cochrane
观察性（队列、病例对照） Newcastle-Ottawa Scale（NOS） Wells 等
横断面 JBI Critical Appraisal Checklist Joanna Briggs Institute
定性研究 CASP Qualitative Checklist CASP
诊断准确性 QUADAS-2 Whiting 等

第七步：合成证据

叙述性合成

当因研究设计、人群或结局异质性而不适合做元分析时：按结局、人群或干预类型分组研究；描述研究间的模式与一致性；仅在效应方向上使用投票计数（不基于 p 值）；以汇总表呈现结果。

元分析

当研究足够相似可定量合并时：

# Meta-analysis using Python (PythonMeta or custom)
# Example: Random-effects meta-analysis of standardized mean differences

import numpy as np
from scipy.stats import norm

def random_effects_meta(effects, variances):
    """DerSimonian-Laird random effects meta-analysis."""
    weights_fe = 1 / np.array(variances)
    theta_fe = np.sum(weights_fe * effects) / np.sum(weights_fe)

    # Estimate tau-squared (between-study variance)
    Q = np.sum(weights_fe * (effects - theta_fe)**2)
    df = len(effects) - 1
    C = np.sum(weights_fe) - np.sum(weights_fe**2) / np.sum(weights_fe)
    tau2 = max(0, (Q - df) / C)

    # Random effects weights
    weights_re = 1 / (np.array(variances) + tau2)
    theta_re = np.sum(weights_re * effects) / np.sum(weights_re)
    se_re = np.sqrt(1 / np.sum(weights_re))

    ci_lower = theta_re - 1.96 * se_re
    ci_upper = theta_re + 1.96 * se_re

    # Heterogeneity statistics
    I2 = max(0, (Q - df) / Q * 100) if Q > 0 else 0

    return {
        "pooled_effect": theta_re,
        "ci_lower": ci_lower,
        "ci_upper": ci_upper,
        "tau2": tau2,
        "I2": I2,
        "Q": Q,
        "p_heterogeneity": 1 - chi2.cdf(Q, df)
    }

# Meta-analysis in R using metafor
library(metafor)

# Random-effects model (REML estimator)
res <- rma(yi = effect_sizes, vi = variances, method = "REML", data = dat)
summary(res)

# Forest plot
forest(res, slab = dat$study_label, header = TRUE)

# Funnel plot (publication bias assessment)
funnel(res)

# Egger's test for funnel plot asymmetry
regtest(res)

第八步：按 PRISMA 2020 报告

PRISMA 2020 流程图记录研究选择过程：

Records identified from databases (n = X)
Records identified from other sources (n = X)
          |
Records after duplicates removed (n = X)
          |
Records screened (title/abstract) (n = X)
    -> Records excluded (n = X)
          |
Reports sought for retrieval (n = X)
    -> Reports not retrieved (n = X)
          |
Reports assessed for eligibility (n = X)
    -> Reports excluded with reasons (n = X)
       - Reason 1 (n = X)
       - Reason 2 (n = X)
       - Reason 3 (n = X)
          |
Studies included in review (n = X)
Studies included in meta-analysis (n = X)

常见误区

误区 解决办法
检索不完整 至少检索 3 个数据库 + 灰色文献
单人筛选 始终使用 2 名独立评审人
未注册方案 检索前在 PROSPERO 或 OSF 注册
忽视异质性 报告 I-squared，开展亚组分析
未处理发表偏倚 使用漏斗图、Egger 检验、trim-and-fill
选择性结局报告 从方案中提取所有预先设定的结局

限制与说明

本资料为方法学指南，未提供具体的收费、价格或平台订阅信息。上述工具与数据库的可用性、访问权限和费用需以各自官方说明为准，本资料暂未提供。