Medlit Research

前提: mmx CLI 已安装并登录 (mmx auth login)。AI 分析通过 MiniMax M2.7 模型工作。

使用场景

场景1: 多数据库联合检索

# 多数据库检索（PubMed + Embase + Cochrane）
python3 scripts/multi_database_search.py "intestinal fibrosis" \
  --dbs pubmed,embase,cochrane \
  --max 20 \
  --date 2022:2025

# 仅检索PubMed
python3 scripts/multi_database_search.py "liver cirrhosis treatment" \
  --dbs pubmed \
  --max 30

场景2: 检查文献可获取性并获取全文

# 检查单篇文献的开放获取状态
python3 scripts/pmc_fulltext.py 39024569

# 直接通过PMC ID获取全文
python3 scripts/pmc_fulltext.py PMC10850402

输出包含：

• 可获取性状态（开放获取/PMC免费/仅摘要）
• 全文内容（标题、摘要、分节文本）
• 自动提取的关键信息（研究设计、样本量、主要发现等）

场景3: 基于全文的深度批判性评价

# 生成全文评价清单（RCT）
python3 scripts/fulltext_appraisal.py RCT

# 生成系统综述评价清单
python3 scripts/fulltext_appraisal.py systematic_review

# 生成观察性研究评价清单
python3 scripts/fulltext_appraisal.py observational

评价维度：

• 必需项目 (Essential) - 影响研究质量的关键要素
• 重要项目 (Important) - 提升研究质量的重要要素
• 可选项目 (Optional) - 增强透明度的补充要素

场景4: AI辅助文献分析

# AI分析单篇文献（提取PICO + 质量评价 + 临床建议）
python3 scripts/ai_assistant.py paper.txt all

# 仅提取PICO要素
python3 scripts/ai_assistant.py paper.txt pico

# 生成一句话核心发现
python3 scripts/ai_assistant.py paper.txt summary

# 研究质量评价
python3 scripts/ai_assistant.py paper.txt quality

AI分析输出包括：

• PICO提取 - 自动识别研究人群、干预、对照、结局
• 一句话总结 - "在[人群]中，[干预]相比[对照]，[主要结局]"
• 质量评价 - 证据等级、GRADE质量、优缺点分析
• 临床建议 - 是否推荐使用、适用人群、关键考虑因素

场景5: 完整工作流程

# 1. 多数据库检索
python3 scripts/multi_database_search.py "主题词" --date 2022:2025 --max 30 > search_results.json

# 2. 筛选开放获取文献并获取全文
python3 scripts/pmc_fulltext.py PMID > fulltext.json

# 3. AI辅助分析（自动提取关键信息）
python3 scripts/ai_assistant.py fulltext.txt all > ai_analysis.json

# 4. 全文深度评价
python3 scripts/fulltext_appraisal.py RCT > appraisal_template.json

# 5. 填写评价结果并计算质量评分
# （结合AI分析结果和人工评价）

数据库支持

PubMed (已配置)

• ✅ 完整支持
• ✅ 通过NCBI E-utilities API
• ✅ 无需API Key
• ⚠️ 速率限制: 每秒3次请求

Embase (需配置)

• ⏳ 需要Elsevier API Key
• 配置方法:

  export EMBASE_API_KEY="your_api_key_here"
  

• 获取API Key: https://dev.elsevier.com/

Cochrane Library (手动)

• 📖 建议通过网页搜索
• 替代方案: PubMed中使用 "cochrane database syst rev"[ta] 过滤器
• 直接访问: https://www.cochranelibrary.com/

PMC全文获取

可获取性类型

1. Open Access - 完全开放获取
2. PMC Free - PubMed Central免费全文
3. Free Article - 出版商免费提供
4. Abstract Only - 仅摘要可用

全文结构解析

获取的全文自动解析为：

• Title - 标题
• Abstract - 摘要
• Introduction - 引言/背景
• Methods - 方法
• Results - 结果
• Discussion - 讨论
• Conclusion - 结论
• Full Text - 完整文本

关键信息自动提取

系统自动提取：

• 研究设计类型
• 样本量
• 干预措施
• 主要结局
• 统计方法
• 关键发现
• 作者声明的局限性

AI辅助分析工具

ai_assistant.py - 智能文献分析

功能: 自动提取关键信息、生成摘要、评价质量

分析维度:

1. PICO自动提取

• Population - 样本量、人群特征、纳排标准
• Intervention - 干预措施细节、剂量、疗程
• Comparison - 对照类型、对照措施
• Outcomes - 主要/次要结局、随访时间

2. 一句话总结

格式规范：

在[研究人群]中，[干预措施]相比[对照措施]，
[主要发现/效应量]（证据质量：[GRADE等级]）

3. 质量评价 (GRADE框架)

• 证据质量 - 高/中/低/极低
• 降级因素 - 研究局限、不一致性、间接性、不精确、发表偏倚
• 升级因素 - 大效应、剂量反应、残余混杂
• 优缺点分析 - 关键优势和局限性

4. 临床适用性建议

• 推荐强度 - 强烈推荐/有条件推荐/不推荐
• 适用人群 - 研究人群的外推性
• 关键考虑 - 实施时的注意事项

使用示例:

# 准备文献文本文件（标题+摘要）
echo "标题: ...
摘要: ..." > paper.txt

# 全面分析
python3 scripts/ai_assistant.py paper.txt all

# 输出JSON格式，便于后续处理
python3 scripts/ai_assistant.py paper.txt all > analysis.json

与人工评价结合: AI分析作为初筛和辅助，最终临床决策仍需专业人员结合全文和临床经验判断。

批判性评价工具

全文深度评价 (fulltext_appraisal.py)

• 基于完整论文的深度评价
• 符合CONSORT、PRISMA等报告规范
• 结构化分节评价
• 自动计算质量评分

评价维度

RCT评价维度 (基于CONSORT)

• 标题和摘要 (3项)
• 引言 (3项)
• 方法 (9项)
• 结果 (6项)
• 讨论 (3项)
• 其他 (3项)

系统综述评价维度 (基于PRISMA)

• 标题和摘要 (2项)
• 引言 (3项)
• 方法 (10项)
• 结果 (8项)
• 讨论 (3项)

观察性研究评价维度 (基于STROBE)

• 方法 (7项)
• 结果 (4项)

质量评分系统

• 必需项目 (Essential): 权重最高，缺失严重影响质量
• 重要项目 (Important): 权重中等，缺失影响可信度
• 可选项目 (Optional): 权重较低，增强透明度

总体判断标准:

• ≥90% 必需项目满足 → 低偏倚风险 (Low Risk)
• 70-89% 必需项目满足 → 存在一些担忧 (Some Concerns)
• <70% 必需项目满足 → 高偏倚风险 (High Risk)

检索策略建议

构建有效检索式

# PICO框架
(Patient terms) AND (Intervention terms) AND (Outcome terms)

# 示例
("Crohn disease"[mh] OR "Crohn*"[tiab]) AND ("fibrosis"[mh] OR "fibrotic"[tiab] OR "stricture*"[tiab])

常用过滤器

RCT过滤器:

randomized controlled trial[pt] OR (randomized[tiab] AND controlled[tiab] AND trial[tiab])

系统综述过滤器:

systematic review[pt] OR meta-analysis[pt] OR ("systematic review"[ti] AND review[pt])

人类研究:

Humans[mh] NOT Animals[mh]

英文文献:

English[la]

近3年:

(2022:2025[dp])

输出格式

AI辅助分析结果

{
  "pico": {
    "population": "肝硬化伴食管静脉曲张患者 (n=120, 平均年龄58岁)",
    "intervention": "普萘洛尔 40mg bid + 内镜套扎术",
    "comparison": "单独内镜套扎术",
    "outcomes": ["静脉曲张再出血率", "死亡率", "不良反应"],
    "study_design": "多中心随机对照试验"
  },
  "one_sentence_summary": "在肝硬化伴食管静脉曲张患者中，普萘洛尔联合内镜套扎术相比单独套扎术可显著降低再出血率（证据质量：高）",
  "clinical_significance": "对于高危静脉曲张患者，联合治疗可能降低再出血风险约40%",
  "quality": {
    "study_design": "多中心RCT",
    "evidence_level": "I级",
    "evidence_quality": "高",
    "key_strengths": ["多中心设计", "样本量充足", "ITT分析", "盲法充分"],
    "key_limitations": ["随访时间仅12个月", "未报告生活质量", "失访率偏高"],
    "bias_risk": "低",
    "applicability": "适用于肝功能Child-Pugh A-B级患者"
  },
  "statistics": {
    "effect_size": "HR 0.58 (95%CI 0.42-0.81)",
    "p_value": "<0.001",
    "clinical_importance": "有临床意义"
  },
  "recommendation": {
    "clinical_use": "强烈推荐",
    "target_population": "肝硬化伴中-重度食管静脉曲张患者",
    "key_considerations": ["需监测心率", "禁忌于严重心衰", "需患者依从性好"],
    "confidence": "高"
  }
}

多数据库检索结果

{
  "query": "检索词",
  "databases_searched": ["pubmed", "embase", "cochrane"],
  "results_by_database": {
    "pubmed": { ... },
    "embase": { ... },
    "cochrane": { ... }
  },
  "summary": {
    "total_articles_found": 150
  }
}

PMC全文获取结果

{
  "pmid": "12345678",
  "pmcid": "PMC1234567",
  "status": "success",
  "article_info": {
    "title": "...",
    "abstract": "...",
    "sections": { ... },
    "full_text": "..."
  },
  "analysis": {
    "study_design": "RCT",
    "sample_size": 256,
    "key_findings": [ ... ]
  }
}

全文评价结果

{
  "study_type": "RCT",
  "overall_judgment": "low_risk",
  "essential_items": {
    "answered": 25,
    "total": 27,
    "score": 92.6
  },
  "sections": {
    "methods": {
      "items": [ ... ]
    }
  }
}

最佳实践

系统综述工作流程

1. 制定检索策略

   • 使用PICO明确研究问题
   • 构建多数据库检索式
   • 设定日期和语言限制

2. 执行多数据库检索

   python3 scripts/multi_database_search.py "query" --dbs pubmed,embase --date 2020:2025 --max 100
   

3. 去重和筛选

   • 使用文献管理软件去重
   • 根据标题/摘要初筛
   • 获取全文进行复筛

4. 获取开放获取全文

   # 批量检查可获取性
   for pmid in pmid_list; do
     python3 scripts/pmc_fulltext.py $pmid >> fulltexts.json
   done
   

5. AI辅助预分析 (新增)

   # 批量AI分析提取关键信息
   for txt in fulltexts/*.txt; do
     python3 scripts/ai_assistant.py "$txt" all >> ai_analysis.json
   done
   

6. 全文质量评价

   • 使用fulltext_appraisal.py生成清单
   • 结合AI分析结果作为参考
   • 两位评价者独立评价
   • 解决分歧，计算一致性

7. 数据提取和合成

   • 提取关键数据
   • 进行Meta分析（如适用）
   • 评估证据质量（GRADE）

AI辅助最佳实践

1. 适用场景

   • 快速初筛大量文献
   • 提取结构化信息（PICO、效应量）
   • 生成标准化的质量评价框架
   • 辅助撰写文献总结

2. 使用建议

   • AI分析作为辅助工具，不替代专业判断
   • 对AI提取的关键信息（如样本量、效应量）应人工核实
   • 临床推荐需结合患者具体情况和临床专家意见
   • 建议双人独立使用AI工具后交叉验证

3. 质量把控

   • AI可能遗漏重要信息（如亚组分析、敏感性分析）
   • 注意识别AI的"幻觉"（生成不存在的内容）
   • 复杂研究设计（如适应性设计、贝叶斯设计）需人工深度阅读

4. 效率提升

   # 结合AI分析和人工评价的工作流程
   python3 scripts/pmc_fulltext.py $PMID > paper.txt
   python3 scripts/ai_assistant.py paper.txt all > ai_review.json
   # 人工阅读 paper.txt 并对比 ai_review.json
   # 发现不一致时以人工阅读为准
   

注意事项

1. 伦理使用

   • 遵守各数据库使用条款
   • NCBI API需要设置邮箱
   • 大量检索请使用批量下载

2. 全文版权

   • 仅获取开放获取或授权全文
   • 尊重出版商版权政策
   • 合理使用教育/研究用途

3. 评价者培训

   • 批判性评价需要专业知识
   • 建议双人独立评价
   • 使用标准化评价工具

扩展资源

• PubMed语法参考
• 研究类型指南
• 评价工具速查
• 报告规范指南

更新日志

v2.1

• ✨ 新增AI辅助文献分析
  • 自动PICO提取
  • 一句话核心发现生成
  • GRADE质量评价
  • 临床适用性建议
• ✨ 新增AI与人工评价结合的最佳实践指南

v2.0

• ✨ 新增多数据库检索（PubMed + Embase + Cochrane）
• ✨ 新增PMC全文自动获取
• ✨ 新增基于全文的深度评价工具
• ✨ 新增质量评分系统
• 🔧 优化检索性能和错误处理

v1.0

• 基础PubMed检索
• 基础批判性评价
• 研究类型分类评价