护理科研文献检索如何用AI数据库是书架，AI是图书管理员

先把工具的角色分清楚。PubMed、CINAHL 或中文数据库（如中国知网、万方）这样的文献数据库，是把论文规范整理好的「书架」。凡是要求全面性和可重复性的检索，主战场至今仍在这里。

而生成式AI本身并不是书架。它是陪你一起思考「该去哪个书架、用什么词去找」的图书管理员。如果搞混了这个分工，直接让AI列出论文清单，就有混入根本不存在的文献的风险。找论文靠数据库，做准备和初步筛读靠AI——这就是出发点。

检索落空最常见的原因，是带着一个还很模糊的问题就冲向检索框。如果用「跌倒预防 护理」一搜就命中成千上万条，那正说明你的问题还太大。

先用中文把问题具体化成「对谁、做了什么、结果会怎样」的形式。比如：「对康复病房的老年患者，增加夜间定时巡视，能否减少跌倒？」有了这一句话，检索词几乎可以从中机械地提取出来。

从这里开始就是AI的用武之地。把那一句话给它看，然后请求：「我想就这个问题做文献检索。请列出候选检索词，包括同义词、相关词和不同的表述方式。」

对「跌倒」，它会给出「坠床」「跌倒坠床」「fall」「fall prevention」；对「巡视」，会给出「查房巡视」「rounding」——很多是你自己想不到的表述。检索这张网织得有多密，完全取决于这份同义词清单有多丰富。 数据库还有主题词（叙词表，如MeSH）这种受控关键词机制，看看已命中论文所标注的主题词、再把它们纳入检索式，也是常规打法。

做护理科研时，很容易只想在中文数据库里解决一切。但有些主题，国外的研究积累要厚实得多。

英语不好也没关系。让AI「把这个问题转换成英文检索词」，通往PubMed和CINAHL的桥就架起来了。找到的英文论文，先用AI摘要把握整体的中文轮廓，再只对要引用的部分回到原文核对——这个流程既现实又可持续。

检索一旦顺利，问题就反过来了：命中的论文多到根本读不完。这时不必每一篇都精读。

先靠标题和摘要初筛，剩下的论文用AI摘要把握到「对象、干预、结果」的层面，只深读与自己问题最接近的那几篇。AI摘要是入口，原文PDF才是根据——凡是要引用的论文，务必在原文中核实研究对象、干预措施的细节和具体数值。

有一条规矩，请务必遵守。无论是构建检索词，还是向AI咨询，都不要输入患者信息、病例细节或院内未公开的数据。

问题一定要先一般化（比如写成「老年术后患者」）再使用。拿不准时，就问自己一句：「这些内容能对院外的人说吗？」——并遵守所在机构的规定。

检索到的论文如果一直堆在下载文件夹里，几周之后你就会连「这是哪次检索找到的」都想不起来。

用 Paperfy，把PDF放进去，AI摘要、图表和原文就汇总在每篇论文一个页面上。你可以在摘要上补写「与问题的距离」和分拣备注并保留下来，让检索、初筛、精读、研究笔记连成一条线。检索交给书架，阅读和保存交给文献库。这样的分工，才能把文献检索变成积累下来的资产。