文献综述高效构建：PRISMA流程与Zotero集成实践 (Version 2024.07.29)

TL;DR: 本文档提供一份关于文献综述系统性构建的工程化指南，重点介绍PRISMA流程应用及Zotero等工具集成。目标是提升综述效率与可复现性。适用于需要撰写高质量文献综述的科研人员。

Version: 2024.07.29

1. 前言与预备知识

文献综述 (Literature Review) 并非简单文献堆砌，而是一种系统性分析与批判性评价。其核心在于通过结构化方法识别、筛选、综合现有研究，以回答特定研究问题。本指南聚焦于如何利用系统性综述方法论，结合现代科研工具，高效完成这一任务。

1.1. 前提条件

具备基础的学术文献检索能力。
已安装Zotero (Version 6.0.27) 或Mendeley (Version 1.19.8) 等文献管理工具。
理解基础的统计学概念（用于数据提取与综合）。

2. PRISMA流程：系统性综述框架

PRISMA (Preferred Reporting Items for Systematic Reviews and Meta-Analyses) 声明为系统性综述提供了一个透明、完整的报告框架。其核心流程图（PRISMA Flow Diagram）是综述可复现性的基石。理解并遵循此流程至关重要。

2.1. 制定检索策略

明确研究问题 (PICO/PICOC框架) 后，需构建详尽的检索词。这通常涉及布尔逻辑运算符 (AND, OR, NOT) 和通配符 (*)。

(人工智能 OR "artificial intelligence") AND (教育 OR "education") AND (伦理 OR ethics OR ethical)

预期输出: 一个可用于PubMed, Web of Science, Scopus等数据库的检索字符串。

Note: 建议在多个数据库中执行检索，以确保覆盖面。例如，在PubMed中执行检索。

"artificial intelligence"[MeSH Terms] OR ("artificial"[All Fields] AND "intelligence"[All Fields]) OR "artificial intelligence"[All Fields] AND ("education"[MeSH Terms] OR "education"[All Fields]) AND ("ethics"[MeSH Terms] OR "ethics"[All Fields])

2.2. 文献导入与去重

将各数据库检索结果导出为RIS或BibTeX格式，导入文献管理工具。

# 以Zotero为例，导入RIS文件
File -> Import -> RIS (Research Information Systems)

预期输出: Zotero库中包含所有检索到的文献条目。

Warning: 导入后务必执行去重操作。Zotero提供内置功能。

Edit -> Duplicates (Zotero 6.0.27)

预期输出: 识别并合并重复文献。

2.3. 文献筛选：标题与摘要、全文阅读

基于预设的纳入/排除标准，对文献进行两阶段筛选：

标题与摘要筛选: 快速排除明显不相关的文献。
全文阅读筛选: 对通过第一阶段的文献进行全文阅读，再次评估是否符合标准。

Note: 建议使用Rayyan QCRI等系统性综述工具进行双盲筛选，提高客观性。

Rayyan QCRI怎么用: 注册账号，创建新review，导入文献，邀请合作者，开始筛选。可参考其官方文档。

3. 数据提取与综合

筛选完成后，对最终纳入的文献进行数据提取。这通常涉及作者、年份、研究问题、方法、主要发现、局限性等关键信息。

3.1. 构建数据提取表

使用电子表格软件（如Excel, Google Sheets）构建结构化数据提取表。

| 文献ID | 作者 | 年份 | 研究问题 | 方法 | 主要发现 | 局限性 | ... |
|--------|------|------|----------|------|----------|----------|-----|

预期输出: 一个包含所有关键信息的结构化数据集。

3.2. 数据综合与结果呈现

根据提取的数据，进行主题分析、趋势分析或元分析。最终以图表、表格和文本形式呈现综述结果。

Note: 若涉及定量数据，可使用R或Python进行统计分析。例如，使用meta包进行元分析。

# R语言示例：安装并加载meta包
install.packages("meta")
library(meta)

# 示例数据 (假设为二分类结局的效应量数据)
es <- c(0.5, 0.7, 0.3)
se <- c(0.1, 0.15, 0.08)

m.gen <- metagen(es, se, sm = "SMD")
summary(m.gen)

预期输出: 元分析结果，包括合并效应量、森林图等。

4. 参考文献

Mohamed, H., & Khan, M. (2017). Rayyan -- a web and mobile app for systematic reviews. https://www.rayyan.ai/
Page, M. J., McKenzie, J. E., Bossuyt, P. M., Boutron, I., Hoffmann, T. C., Mulrow, C. D., ... & Moher, D. (2021). The PRISMA 2020 statement: an updated guideline for reporting systematic reviews. BMJ, 372. https://www.bmj.com/content/372/bmj.n71
Zotero. (n.d.). Your personal research assistant. https://www.zotero.org/