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。

第六步：执行标题摘要筛选

筛选界面中，AI 的建议只能作为排序和提醒。最终状态至少应包含：

• 纳入。
• 排除。
• 不确定或需要全文。
• 重复记录。
• 等待第二位审阅者。

每个排除决定保留最主要的单一理由，方便生成流程图和审计。若一条记录同时违反多项标准，按照预先定义的优先顺序记录，避免后期排除原因统计失真。

抽查不能只看“纳入”的记录。漏检通常藏在被排除的记录里，因此要重点抽查 AI 高置信排除、标题信息不足和人群边界模糊的样本。

第七步：处理全文和付费墙

标题摘要通过后，进入全文阶段。常见问题包括：

• 论文在付费墙后。
• 只有会议摘要。
• PDF 是扫描件或加密文件。
• 正文与补充材料分离。
• 同一研究有多个随访报告。
• 表格以图片形式存在。

优先通过机构订阅、作者开放版本或合法仓储获取全文。不要把搜索摘要当作完整研究，也不要使用不明来源的侵权文件。

上传后先检查 Elicit 是否能定位方法、样本、结局和关键表格。若解析失败，进行 OCR、拆分文件或补充机器可读版本。仍无法确认的字段应标记为“无法读取”或“未报告”，不能让模型猜测。

第八步：设计证据提取表

提取表应在大规模运行前固定。常见字段包括：

• 论文与研究唯一编号。
• 国家、场景和招募时间。
• 研究设计。
• 样本量和退出人数。
• 人群纳入标准。
• 干预与比较细节。
• 结局定义、测量工具和时间点。
• 效应值、区间和单位。
• 资助来源与利益冲突。
• 偏倚风险相关信息。
• 原文支持句、页码或表格位置。
• 提取者、复核者和日期。

不要把“研究结果”做成一个大文本字段。将人群、时间点、指标和统计量拆开，后续才能比较、纠错和分析。

Elicit 的付费方案允许添加更多提取列。列数不是越多越好；每个字段都要服务于研究问题或质量评价，否则会增加错误和复核负担。

第九步：小批量验证数据提取

先选 5–10 篇结构不同的论文，包括简单随机试验、观察研究、扫描 PDF 和复杂表格。将 Elicit 输出与人工金标准逐项比较。

错误分类至少包括：

• 数值错误。
• 单位错误。
• 时间点错误。
• 把整体样本当作分组样本。
• 把调整前结果当作调整后结果。
• 把未报告内容推断出来。
• 引用位置与答案不一致。
• 表格或图中信息没有被读取。

计算准确率之外，还要看漏检率和“不确定”能力。对于研究工具，愿意明确说“没有找到”通常比填出一个看似合理的值更安全。

第十步：建立双人复核与冲突解决

正式项目不要让 AI 同时扮演提取者和最终审阅者。推荐流程：

1. AI 生成候选提取值和来源位置。
2. 第一位研究者核对并修正。
3. 第二位研究者复查关键字段或随机样本。
4. 分歧交由第三位方法学负责人解决。
5. 保存原始值、修正值、原因和时间。

如果资源不足，至少对主要结局、效应值、样本量、偏倚风险和所有“不确定”记录进行双人复核。不能只抽查容易正确的标题、作者和年份。

第十一步：生成报告，但不要跳过综合方法

Elicit Research Reports 可以汇总来源并生成带引用的报告。它适合形成证据地图、研究特征概览和待讨论问题，但不自动完成荟萃分析、异质性解释或证据等级判断。

生成前先给出明确结构：

• 研究问题和范围。
• 检索与筛选方法。
• 纳入研究特征。
• 主要结局。
• 研究间差异。
• 局限与证据缺口。
• 不应得出的结论。
• 后续研究建议。

要求每个关键主张绑定来源，并将结论拆成可核验的单一陈述。若两篇研究结论冲突，应保留冲突并解释设计差异，不能让模型用一句平均化总结抹平异质性。

第十二步：导出并保留可迁移成果

Elicit 官方帮助中心说明：

• Research Reports 可导出为 PDF 或 Word。
• Plus 及以上历史/适用套餐可导出部分论文表格；当前可用范围应以账号界面为准。
• Pro、Scale 和 Enterprise 可导出系统综述筛选与提取表。
• 表格可导出 CSV 或 Excel。
• 引用可导出 RIS 或 BIB，进入 Zotero、Mendeley、EndNote。
• Library 可以导出 RIS。

由于套餐结构会调整，实际导出权限应以当前账号为准。正式项目至少保留：

• 原始数据库导出。
• 去重后的候选记录。
• 每轮筛选决定和排除理由。
• 全文清单。
• 最终证据表。
• 引用库。
• 报告版本。
• 检索式、日期和工具版本。
• AI 参与和人工修正记录。

平台内项目不是唯一存档。定期导出，确保订阅到期或权限变化后仍能复现过程。

第十三步：整理 PRISMA 与方法披露

Elicit 的系统综述页面提供与 PRISMA 工作流相关的筛选和报告支持，但研究者仍要核对每个流转数字：

• 数据库与其他来源识别记录数。
• 去重后记录数。
• 标题摘要筛选数。
• 全文评估数。
• 全文排除原因。
• 最终纳入研究数。

方法部分应说明 AI 用在什么环节、由谁复核、如何处理分歧、何时检索以及使用了哪些数据库。不要只写“使用 AI 辅助”，这不足以让读者判断可复现性。

可直接使用的提示词模板

探索研究问题

将这个研究问题拆成对象、干预或暴露、比较、结局、研究设计和时间范围。指出仍然含糊、会导致两位审阅者产生分歧的部分。不要替我决定最终标准。

检查筛选标准

对每条纳入和排除标准，给出一个明确纳入、一个明确排除和一个边界案例。若标准无法仅根据标题摘要判断，请标记“需要全文”，不要猜测。

设计提取字段

根据研究问题提出最小必要证据表。将样本、人群、干预、结局定义、时间点、效应值、单位和来源位置拆成独立字段。任何原文未报告的信息必须留空并标记原因。

核验报告

把这段综合结论拆成单一可核验主张。为每条主张列出支持来源、原文位置、研究设计、样本和限制。如果来源只显示相关性，不得改写为因果关系。

价格与套餐怎么选

2026 年 9 月 11 日的行业价格页显示：

• Basic 免费，适合论文搜索、摘要、聊天和小规模报告试用。
• Pro 月付 75 美元；年付总价 588 美元，页面显示折合 49 美元/用户/月，提供专用系统综述工作流和最多 5,000 篇论文筛选。
• Scale 月付 279 美元；年付总价 2,028 美元，页面显示折合 169 美元/用户/月，增加团队协作、图表提取和更高用量。
• Enterprise 定制，可扩大到 40,000 篇论文并提供 SSO/SAML、2FA 和定制部署。

不要因为免费方案能返回结果就直接在正式项目使用，也不要因为 Pro 很贵就认为它一定比人工流程省钱。用真实候选记录数、筛选时间、复核人数和导出需求计算。

隐私与版权边界

Elicit 的政策页面提供隐私政策和数据处理附录，企业层级还提供更多安全控制。但上传前仍要回答：

• 文件是否含个人、患者或客户信息。
• 机构是否允许第三方处理。
• 论文许可证是否允许上传。
• 数据存储和处理地域在哪里。
• 子处理方有哪些。
• 谁能访问项目。
• 删除账号后哪些数据会保留。
• 是否需要单租户或 SSO。
• 是否会把输入用于训练，适用条款是什么。

Elicit API 条款说明输入数据不会在用户未单独选择加入的情况下用于训练 AI 模型。平台普通网页功能应以对应条款和合同为准，不能把 API 条款自动套用到所有套餐。

常见故障与恢复

已知论文没有被找到

用标题、作者、DOI 做精确搜索；检查索引覆盖；加入同义词、拼写变体和受控词；在专业数据库补检并记录差异。

全文无法读取

确认是否有合法全文、是否扫描或加密；进行 OCR；上传补充材料；把无法确认的字段标记为待复核，不要让模型依据摘要推断全文数据。

AI 筛选建议与人工冲突

先检查标准是否明确，再回到标题摘要或全文支持位置。保留原始建议和最终决定，不要为了提高一致率修改历史记录。

提取字段大量为空

判断原文未报告、PDF 解析失败和字段定义过窄三种情况。分别使用“未报告”“无法读取”“不适用”，不要统一填成 0 或“无”。

导出后中文乱码或列错位

先导出 5 条记录，检查 UTF-8、分隔符、换行、多值字段和日期格式，再导出整个项目。保留未经修改的原始文件。

报告结论过度自信

将段落拆成单一主张，逐条核验来源。增加研究设计、偏倚风险、异质性和证据缺口部分；无法确认时降低结论强度。

发布前最终检查清单

• 研究问题和协议已有版本号。
• 纳排标准经过小样本试运行。
• 已在领域数据库补检并保存检索式。
• 重复记录处理规则明确。
• 标题摘要和全文筛选有第二位审阅者。
• 每个关键提取值有原文位置。
• 未报告、不适用和无法读取被区分。
• 报告没有把相关性写成因果性。
• PRISMA 数字与筛选记录一致。
• 原始记录、证据表、引用和报告已导出。
• 敏感数据和版权审批完成。
• AI 参与方式和人工修正已在方法中披露。

最后提醒

Elicit 最值得用的地方，是把零散的论文搜索、筛选和提取变成可检查的流程；最危险的用法，是把它生成的报告当成已经完成的方法学结论。

先用小样本建立准确性基线，再逐步扩大规模。任何影响患者、政策或重大商业决策的结论，都必须回到原文，由具备专业背景的人复核。