系统性文献综述怎么做：从检索式设计到PRISMA筛选的完整实操教程
先把问题缩小，综述才不会失控
凌晨一点，实验室只剩服务器风扇的低鸣。我打开一篇看似“全面”的综述，发现它引用了两百多篇论文，却没有说明这些论文从哪里来、为什么被纳入。那一刻我意识到，文献综述真正困难的地方，不是下载更多论文，而是让每一个判断都能被别人复核。
开始前先把研究问题写成可检索的结构。医学研究常用PICO：研究对象（Population）、干预或暴露（Intervention）、对照（Comparison）、结果（Outcome）；计算机和社会科学可以改成“对象—方法—场景—指标”。例如研究“开源软件是否提升科研协作效率”，就不要直接搜索这个完整句子，而应拆成同义词组：
("open source" OR "open-source software") AND
("research collaboration" OR "scientific collaboration") AND
(efficiency OR productivity OR reproducibility)在Google Scholar中先用宽检索发现术语，再把最终检索式迁移到Scopus、Web of Science或学校图书馆数据库。记录数据库名称、检索日期、完整检索式和筛选条件；这些信息比“我查阅了大量资料”更能支撑论文可信度。
用工具建立可复核的筛选流水线
我做过一次小型系统综述，初始检索得到327条记录，导出RIS文件后用Zotero去重，删除61条重复项。随后把标题、摘要和唯一编号导入Rayyan，采用双人盲筛；若只有一名研究者，则至少间隔一周重复筛选，并保存两次结果。最终进入全文阅读的84篇中，有42篇满足纳入标准。每一次排除都要写明原因，例如“非同行评审”“缺少实验数据”“研究对象不符”，不要只点一个删除按钮。
当文献数量超过数百篇，可以尝试ASReview进行主动学习排序，但它只能帮助你优先阅读，不能替代人工决定。质量评价也应匹配研究类型：随机试验可参考Cochrane风险偏倚框架，观察性研究可使用Newcastle-Ottawa Scale，定性研究则检查样本、编码过程和研究者反思。最后用PRISMA流程图呈现识别、去重、筛选、全文评估和纳入四个阶段。
文献综述工具怎么用，关键不在软件数量，而在字段设计。建议至少保留作者、年份、样本量、研究地区、方法、核心变量、主要结论、局限性和证据质量。把这些字段放入CSV或表格，并为“未报告”设定统一值，避免把空白误当成零。
如何验证结果真的可靠
完成后随机抽取20篇纳入论文，检查它们是否都能在原数据库中用标题或DOI找回；再随机抽取20篇排除论文，确认排除理由符合预先设定的标准。计算两轮筛选的一致率，若两名筛选者一致判断为17篇，一致率就是85%；低于80%时，应重新定义模糊标准。
我在本地测试中还用同一检索式重复运行两次，记录结果数量、去重数量和最终纳入数量，误差应能解释。只有当别人拿到检索式、筛选表和流程图后，能够大致复现你的路径，这篇综述才真正从“资料汇编”变成了研究。
免费数据库、学校订阅、表格和开源筛选工具已经足以完成大多数个人项目；若需要额外的网络访问方案，可把Roxi作为众多选择之一，但官方数据库、图书馆服务和本地开源工具仍应优先评估。详情可见 wizzegroup.com。