系统综述怎么做：从选题到发表的完整流程指南
什么是系统综述？
系统综述（Systematic Review）是对某一特定研究问题，按照预先制定的方案，系统、全面地检索、筛选和评价相关研究，并对结果进行定性或定量（Meta分析）合成的研究方法。它是循证医学证据等级最高的研究类型，也是临床指南制定的重要依据。
与传统文献综述不同，系统综述强调方法的透明性、可重复性和系统性，最大程度减少偏倚，为临床决策提供可靠证据。
第一步：明确研究问题（PICO框架）
一个好的系统综述始于一个清晰的研究问题。推荐使用PICO框架来构建：
- P（Population）：研究对象是谁？如"2型糖尿病成人患者"
- I（Intervention）：干预措施是什么？如"GLP-1受体激动剂"
- C（Comparison）：对照是什么？如"安慰剂或传统降糖药"
- O（Outcome）：结局指标是什么？如"HbA1c变化、体重变化、不良事件"
PICO框架不仅帮助你聚焦问题，还直接决定了后续的检索策略和纳排标准。建议在开始前先在PROSPERO注册方案，提高研究透明度。
第二步：制定检索策略
检索是系统综述的核心环节，直接影响结果的全面性。关键要点：
- 多数据库检索：至少覆盖PubMed、Embase、Cochrane Library，根据领域可加Web of Science、CNKI等
- 构建检索式：将PICO各要素转化为检索词，使用MeSH词+自由词组合，用AND/OR连接
- 不限语言：尽量不设语言限制，减少发表偏倚
- 补充检索：手工检索参考文献、灰色文献、临床试验注册库（ClinicalTrials.gov）
检索策略建议请信息学专家或图书馆员审核，确保查全率。研航的AI检索功能可以帮助你快速生成和优化检索式。
第三步：文献筛选（PRISMA流程）
按照PRISMA 2020流程进行两轮筛选：
- 标题/摘要筛选：两名研究者独立筛选，根据纳排标准快速排除明显不相关的文献
- 全文筛选：对初筛通过的文献获取全文，详细评估是否符合纳入标准
筛选过程中需记录每篇排除文献的原因，最终绘制PRISMA流程图展示筛选过程。两名筛选者的一致性可用Kappa系数评估，分歧通过讨论或第三方仲裁解决。
第四步：数据提取
设计标准化的数据提取表，通常包括：
- 研究基本信息：作者、年份、国家、研究设计
- 参与者特征：样本量、年龄、性别、基线特征
- 干预和对照：具体方案、剂量、疗程
- 结局数据：均值、标准差、事件数、总人数等
- 偏倚风险相关信息：随机化方法、盲法、失访率等
同样需要两人独立提取，交叉核对。对于缺失数据，可尝试联系原作者获取。
第五步：偏倚风险评估
根据纳入研究的类型选择合适的评估工具：
- RCT：Cochrane RoB 2工具（5个域：随机化、偏离干预、缺失数据、结局测量、选择性报告）
- 非随机研究：ROBINS-I工具
- 观察性研究：Newcastle-Ottawa量表（NOS）
评估结果用交通灯图和汇总图展示，帮助读者直观了解证据质量。高偏倚风险的研究可在敏感性分析中排除，观察其对总体结果的影响。
第六步：数据合成与Meta分析
如果纳入研究的临床和方法学异质性可接受，可进行定量合成（Meta分析）：
- 效应量选择：连续变量用均数差（MD）或标准化均数差（SMD），二分类变量用相对危险度（RR）或比值比（OR）
- 模型选择：固定效应模型（异质性低）或随机效应模型（异质性高，更常用）
- 异质性评估：I²统计量（>50%提示显著异质性）、Cochran Q检验
- 森林图：展示各研究效应量和合并效应量
还应进行亚组分析（探索异质性来源）、敏感性分析（验证结果稳健性）和发表偏倚检测（漏斗图+Egger检验）。
第七步：证据质量评价（GRADE）
GRADE系统从五个维度评价证据确定性：
- 偏倚风险
- 不一致性（异质性）
- 间接性
- 不精确性
- 发表偏倚
证据质量分为高、中、低、极低四个等级。GRADE评价结果通常以证据概要表（Summary of Findings, SoF）呈现，是系统综述的核心产出之一。
第八步：撰写与发表
系统综述的撰写应严格遵循PRISMA 2020声明的27项报告条目。投稿前的检查清单：
- ✅ PROSPERO注册号已标注
- ✅ PRISMA流程图完整
- ✅ 检索策略可重复（附完整检索式）
- ✅ 偏倚风险评估结果完整
- ✅ 森林图、漏斗图等关键图表齐全
- ✅ GRADE证据概要表已制作
- ✅ 局限性讨论充分
推荐投稿期刊：Cochrane Database of Systematic Reviews、BMJ、JAMA等高影响力期刊，或各专科领域的系统综述友好期刊。
AI如何加速系统综述？
传统系统综述耗时6-18个月，AI工具正在改变这一现状：
- 智能检索：AI辅助构建和优化检索策略，提高查全率
- 自动筛选：基于纳排标准的AI预筛选，减少人工工作量
- 数据提取：从全文中自动识别和提取关键数据
- 偏倚评估：AI辅助RoB 2评估，提供初步判断
研航正在开发的MetaScholar功能，旨在将系统综述全流程从数月压缩到数天，同时保证方法学严谨性。从文献检索、PRISMA筛选、数据提取到统计分析，一站式完成。
想要体验AI辅助的系统综述流程？立即试用研航，让科研更高效。