用AI做数据提取：草稿交给机器，数值回原文核实

第一件事不是读，而是设计表格——先把列定下来。

基础的一套：作者、年份、国家、研究设计、研究对象（数量与特征）、干预或暴露、对照、结局及其定义、主要结果（效应量与置信区间）、随访期、缺失数据、局限性。从综述问题需要什么倒推，在翻开第一篇论文之前把列固定下来。

表格在手，别急着铺开全量，先拿两三篇试一试。列定义含糊、各篇格式不一的问题都会在这里暴露。

在这个阶段修订表格设计，就能避开之后推倒重来的灾难。团队协作的话，正好借试提统一录入规则。

列一旦固定，AI就变得非常好用。对每篇论文说一句“按这个格式提取这些条目”，几分钟内提取表的草稿就出来了。

对着草稿核对修改，和对着空格手工填写，负担完全是两回事。AI的角色是“先把格子填上”，而不是“保证格子里的内容正确”。抓住这条界线，速度和准确率就能兼得。

审草稿时，每个数值都要特别盯住三点。

单位（百分比还是例数，月还是年）；分母（ITT人群、实际分析人群，还是仅完成者）；方向（效应量偏向干预组还是对照组）。AI草稿最容易在这三处滑倒，而其中任何一处出错，都足以掉转综述的结论。务必对照原文和图表，必要时连同补充材料一起核实。

提取的数据若要送入Meta分析，就把核对标准再提一档：核查各研究的效应量类型、时点和分析人群定义是否对应，并记下数值是读自图还是读自文字。

能否合并、如何换算，属于统计学判断——拿不准时，请咨询统计专家、导师或团队。这是AI和本文都替代不了的领域。

一个实用的小习惯：在提取表的每个单元格或每一行里注明出处位置——Table 2、第6页、补充材料。

之后的核对和团队互查，就不必反复在同一篇论文里翻找。几十个条目乘上几十项研究，这个小习惯能省出好几天。

在 Paperfy 中，每篇纳入论文的AI摘要、图表与PDF同在一页，提取时定位“原文在哪里”快得多。

把确认过的内容写进摘要——比如“分母为ITT，Table 2确认”——提取的依据就留在论文页上，后续复核和偏倚风险评价可以直接复用。