Meta分析里怎么用AI：“能不能合并”不能问它
几百条初筛、几十篇精读、提取表、统计——面对Meta分析的工作量，把一切丢给AI的念头很自然，而且这个念头有一半是对的。但Meta分析有一个其他综述没有的关键点。无论AI进化到什么程度，“这些研究该不该合并”这个决定都不能指望它。本文梳理哪些环节可以放手，以及为什么唯独这一点不行。
发布日期: 2026-07-22
按环节看：AI帮得上忙的地方
在Meta分析流程中，下面这些任务可以放心交给AI提速：
生成候选检索词；标题/摘要的初读与优先级排序；纳入论文的摘要结构化；提取表起草（按既定条目抽取）；方法部分文字的整理润色。它们的共同点：都是之后能拿原文验证的“中间产物”。
按环节看：决定权留在人和团队手里
另一些决定可以参考AI的输出，但最终拍板的是人。
最终的纳入与排除及其理由；偏倚风险评价；是否合并；效应量类型的选择；异质性的解读；结论的强度。后四项是Meta分析独有的判断，也是本文的核心。
为什么“能不能合并”AI答不了
是否合并，归根结底是这个问题：研究对象、干预、结局在临床上是否足够接近？这不是统计问题，而是相似性判断——只有理解这个领域临床与研究脉络的人才能做。
AI会流利地回答“它们很相似”。但它不能为这个判断负责，也掂量不了剂量范围、测量时点差异、入组患者严重程度这些细微差别会不会动摇合并的效度。这个判断属于带着领域知识读过原文Methods的人。
AI草稿必须配上“数值全查”
让AI起草提取表是有效的，但在Meta分析里，核对标准要再上调一档。
送入合并的数值只要在单位、分母、组别对应或效应量格式上差一点，森林图里整整一行都会翻转。AI草稿里的每一个数值，都必须对照原文、图表和补充材料核实。全查而非抽查——这是Meta分析的标准。
“AI怎么用的”也会写进你的方法
Meta分析还有一点特殊：投稿论文在方法透明度上受到严格审视，一旦流程里用了AI，就必须能如实交代它的使用范围。
AI的建议和人工的判断，请分开记录。这条原则在系统综述的文章里也讲过，但在以投稿为目标的Meta分析里，这些记录本身就是稿件素材。请查目标期刊关于报告AI使用的规定，并与导师商量写法。
统计软件与聊天AI：安全的分工
效应量的计算与合并，属于经过验证的统计软件（RevMan、R等）的领地。聊天AI算出的数字，绝不能直接搬进结果。
聊天AI擅长的是讲解——用平实的语言解释统计方法背后的思路，是很好的学习工具。算，交给经过验证的软件；懂，让AI来帮。这样分工才安全。
Paperfy 的角色：核实途中反复折返的文库
Paperfy 支撑的是合并之前的阅读与核实。每篇纳入论文一页，AI摘要、图表和原文并排。你可以编辑摘要留下批注，比如“提取值已在Table 2核实”“时点与其他研究差3个月——合并讨论时要提”。
它不是统计软件，也不是综述管理平台——它是把你一次次折返原文的路缩短的那个工具。
省下的时间，花在异质性上
如果AI真的加快了初读和起草，省下的时间该投向哪里？我的建议：投给异质性。
各研究的结果为什么不一样？对象不同、干预强度不同，还是时点不同？对“为什么不一样”想得有多深，决定了一项Meta分析值多少。AI，正是用来买下这段思考时间的工具。
Meta分析中AI使用的确认
- AI的角色限定在初读、起草和文字整理。
- 送入合并的每一个数值都在原文中核实过。
- 是否合并与效应量选择由团队决定。
- AI的使用范围有记录，目标期刊的规定查过了。
把AI省下的时间，换成合并的质量
在 Paperfy 中，每篇论文都保存着带核实批注的摘要和原始PDF——合并讨论需要回看证据多少次，就回看多少次。
Meta 分析
浏览这个主题
按同一工作流阅读相关指南，从入门到实际使用。
接下来阅读
这些文章可以继续补充同一个工作流程。