システマティックレビューの方法。「詳しい文献レビュー」との違いは設計にある

通常のレビューは、読みながら方針を調整できます。システマティックレビューは逆で、問い・検索方法・選択基準・評価方法を先に決めて、決めた通りに実行し、その過程をすべて記録します。

なぜか。後から基準を変えると、「都合のいい論文だけを集めたレビュー」と区別がつかなくなるからです。再現性と透明性が、このレビュー形式の生命線なんです。

最初に、レビューの問いをPICO（対象・介入・比較・アウトカム）や、観察研究中心ならPECO（曝露）で構造化します。

ここが曖昧なまま進むと、後のすべての工程で判断がぶれます。問いの1文が、以降の何百件の採否判断の物差しになります。

問い、検索式、選択・除外基準、評価方法を、実行前にプロトコルとして文書化します。レジストリへの事前登録が推奨される分野も多くあります。

事前登録の要否や書式は分野・投稿先で異なるので、指導者と投稿先のガイドラインを確認してください。

複数のデータベースを、記録を残しながら検索します。データベース名・検索式・検索日・件数は、後でPRISMAフローチャートに必要になる数字です。

複数データベースの結果には重複が必ず含まれるので、統合と重複除去もこの段階で行い、件数を記録します。

タイトル・抄録で明らかな対象外を除き、残った論文はフルテキストで適格性を確認します。除外には理由を付けて記録します。

この工程の実務はスクリーニング方法の記事で詳しく書いているので、ここでは全体の位置だけ押さえてください。

採択した研究から、決めた項目を同じ形式で抜き出し（データ抽出）、各研究の結果が歪んでいる可能性を評価します（Risk of bias）。

どちらも、AI要約ではなく原文PDFのMethodsと図表に基づいて行う工程です。 詳細はデータ抽出の記事とRisk of bias評価の記事の各記事へ。

最後に、結果を定性的・定量的（メタ解析）に統合し、PRISMAに沿って報告します。フローチャートは、ここまで記録してきた数字の集大成です。

メタ解析を行うかは、研究の均質性やデータの揃い方によります。統計の専門家やチームでの判断が必要な領域です。

この長い工程の中で、AIは下読み・分類候補・下書き作りの補助として役立ちます。ただし、設計・採否・評価の判断は人とチームに残ります。

Paperfyのようなツールも同じで、大量のPDFを1論文1ページで管理し、AI要約から原文へ戻り、判断メモを残す「作業の足場」として使うのが正しい位置づけです。レビュー専用の判定管理ツールや引用管理ツールとは役割が違い、併用が前提です。