Elicit 系统性文献综述完整教程：从研究问题到检索、筛选、证据提取与 PRISMA

Elicit 能明显减少文献筛选和数据提取的机械工作，但它不是“一键生成系统综述”的按钮。可靠流程的关键，是在使用 AI 之前固定研究问题和判断规则，在使用 AI 过程中保留每个决定的来源，在生成报告之后由人复核并用专业数据库补检。

这套教程适合范围综述、系统性文献综述、医学证据评估、政策研究和大型市场研究。课程作业也可以简化使用，但涉及发表、临床或监管决策时，应由具备方法学能力的研究者负责。

开始前先准备四样东西

在登录 Elicit 前，先准备：

1. 一句话研究问题。
2. 初步纳入和排除标准。
3. 至少 5 篇你已知相关的“种子论文”。
4. 一张人工建立的小型金标准提取表。

种子论文用于检查搜索有没有漏掉显而易见的研究，金标准表用于评估 AI 提取是否准确。没有这两项，你只能判断回答是否流畅，无法判断工作流是否可靠。

如果研究涉及患者、未发表实验、客户资料或受版权限制的全文，还要先确认机构允许把资料上传到第三方服务。不要等项目做完才补隐私审批。

第一步：把宽泛问题改写为可筛选问题

“AI 对教育有没有帮助”无法直接形成稳定筛选规则。先把问题拆成对象、干预、比较、结局和研究设计。医学常用 PICO，其他领域也可以用类似结构。

示例：

• 对象：18 岁以上远程办公员工。
• 干预：每周至少一次异步视频沟通。
• 比较：主要使用实时视频会议。
• 结局：自报压力、会议时长、任务完成率。
• 研究设计：随机试验、准实验或前瞻性队列。
• 时间范围：2020 年之后。
• 语言：中文或英文。

把不确定部分明确写成“待试运行确认”，不要让 Elicit 自动替你决定。工具可以建议改写，但最终协议应由研究者冻结并记录版本。

第二步：建立纳入和排除标准

每条标准必须能被另一位审阅者独立判断。避免“高质量研究”“相关论文”这类模糊词，改成可观察条件。

纳入标准示例：

• 研究对象符合年龄和工作方式。
• 报告至少一个预设结局。
• 有可识别的对照或基线。
• 研究类型在预设范围内。
• 可以获得摘要，全文阶段可以合法访问完整报告。

排除标准示例：

• 只有评论、社论或会议摘要，且没有完整数据。
• 混合人群无法单独提取目标人群结果。
• 只讨论工具可用性，没有目标结局。
• 重复发表且没有新增结果。
• 不是原始研究。

先用 20–30 条候选记录试运行。若两位审阅者频繁分歧，说明规则还不够清楚，应先修改协议，而不是让 AI 强行给出统一答案。

第三步：用 Elicit 做探索性论文发现

在 Elicit 中输入完整研究问题，而不是只输入几个关键词。观察返回结果时，重点检查：

• 已知种子论文是否出现。
• 相关论文使用了哪些同义词。
• 有哪些常见研究设计和结局名称。
• 哪些结果看似相关，实际人群或干预不符合。
• 是否出现较新的预印本、会议论文或临床试验记录。

把发现的同义词、作者、期刊和受控词记录下来。探索阶段可以修改问题，但每次重大修改都应保存版本和日期，避免最终无法解释检索范围。

Elicit 当前可以搜索超过 1.38 亿篇论文，并覆盖大量临床试验记录，但数字规模不等于领域覆盖完整。某些地区数据库、非英文文献、书籍章节和灰色文献仍可能不足。

第四步：在专业数据库补检

正式系统综述不能只依赖 Elicit 的语义搜索。根据领域选择 PubMed、Embase、Scopus、Web of Science、Cochrane Library、ERIC、PsycINFO 或其他数据库，并保存：

• 完整检索式。
• 数据库和平台名称。
• 检索日期。
• 时间、语言和文献类型限制。
• 返回记录数量。
• 导出格式和文件名。

将专业数据库结果与 Elicit 候选集合合并后去重。重复记录要按 DOI、标题、作者和年份联合判断，不能只用标题完全匹配。预印本和正式发表版本可能属于同一研究，应在“研究”层而不是“文件”层处理。

第五步：建立筛选项目和试运行

在 Elicit 的系统综述工作流中添加纳排标准，并先对小样本进行标题摘要筛选。不要一开始就让系统处理几千条记录。

试运行建议：

1. 随机选 30 条候选记录。
2. 两位人工审阅者独立判断。
3. 记录 AI 建议和支持理由。
4. 比较三者分歧。
5. 修改含糊标准。
6. 再用一批新记录验证。

不要用已经看过的同一批记录反复调规则后宣称准确。至少保留一批未参与规则修改的验证集。