系统综述怎么做：它和“特别认真的文献综述”差在设计

普通综述可以边读边调整方法。系统综述正相反：研究问题、检索策略、筛选标准和评价方法都要预先确定，然后严格按计划执行，并记录全过程。

为什么？因为中途更改标准的综述，将无法与“只收对自己论点有利的论文”的综述区分开来。可复现性和透明性，是这种综述形式的生命线。

首先用 PICO（研究对象、干预、对照、结局）来结构化你的综述问题；如果以观察性研究为主，则用 PECO（暴露）。

问题一含糊，后面每一步决策都会继承这份不一致。这一个问题，将成为之后数百次取舍判断的统一标尺。

在执行之前，把问题、检索式、纳入排除标准和评价方法写成一份研究方案（protocol）。许多领域建议在注册平台上进行前瞻性注册。

是否必须注册、用什么格式，因领域和投稿期刊而异——请和导师及投稿期刊确认相关指南。

检索多个数据库，边做边留记录。数据库名称、检索式、检索日期、命中数量——这些数字之后画 PRISMA 流程图都要用到。

多个数据库的结果难免重叠，所以在这一步合并去重，并记下各阶段的数量。

先凭题目和摘要剔除明显不符合的论文，剩下的再对照全文评估是否合格。每一条排除理由都要记录在案。

这一阶段的具体操作，筛选方法的文章里有详细说明——这里先把它放进整体流程里定位即可。

从纳入的研究中，按统一格式提取预先规定的条目（数据提取），并评估每项研究的结果有多大可能存在偏倚（偏倚风险）。

这两项工作都基于原始 PDF 里的方法部分和图表，而不是 AI 摘要。详情请看数据提取和偏倚风险评估的相关文章。

最后对结果做定性或定量整合（荟萃分析），并按 PRISMA 指南报告。流程图不过是把一路记录下来的数字组装起来而已。

是否适合做荟萃分析，取决于研究的同质性和数据的一致性——这需要统计专业人员或团队来判断。

在这条漫长的流程中，AI 可以协助初步阅读、候选分类和起草。但设计、取舍和评价的最终决定权，始终在人和团队手里。

Paperfy 这类工具也一样：它合适的角色是一个“工作台”——把大量 PDF 按一篇一页管理起来，从 AI 摘要一键回到原文，随手留下判断笔记。它和专门的综述管理工具、引文管理工具各司其职，应当搭配使用。